Tool Wear Monitoring via the Fusion of Cutting Force Coefficients and Fractal Features of Cutting Force Signal

기술 요약: 절삭력 계수와 프랙탈 특성의 융합을 통한 공구 마모 모니터링

문제 정의
밀링 작업에서의 공구 마모는 가공 품질과 효율성을 크게 저하시키며, 종종 공구 파손과 상당한 경제적 손실로 이어집니다. 절삭력 신호는 마모 관련 정보를 풍부하게 담고 있지만, 높은 샘플링 속도로 인해 발생하는 방대한 양의 중복 데이터는 직접적인 추정에 적합하지 않습니다. 효과적인 모니터링을 위해서는 저차원의 변별력 있는 특징(feature) 추출이 필요합니다. 기존 연구들은 절삭력 신호의 두 가지 뚜렷한 측면, 즉 기계적 모델로부터 도출된 규칙적인 패턴(절삭력 계수)과 프랙탈 분석을 통해 특성화되는 불규칙한 변동(프랙탈 특성)을 각각 독립적으로 다루어 왔습니다. 본 논문은 절삭 과정이 본질적으로 규칙적인 물리적 상호작용과 불규칙한 동적 거동을 모두 포함하고 있다는 점을 고려할 때, 한 가지 관점에만 의존하는 것은 모니터링 정밀도를 제한한다고 주장합니다.

연구 방법론
본 연구는 삼축 절삭력 신호로부터 추출된 규칙적 및 불규칙적 특징을 베이지안 추론 시스템을 통해 융합하는 새로운 모니터링 프레임워크를 제안합니다.

1. 특징 추출:

   • 절삭력 계수 (규칙적 특징): 6개의 파라미터를 가진 기계적 절삭력 모델이 사용됩니다. 이 모델은 전단 및 마찰 계수를 통해 순시 미절삭 칩 두께와 절삭력 사이의 관계를 나타냅니다. 6개의 계수($K_{t,s}, K_{r,s}, K_{a,s}, K_{t,f}, K_{r,f}, K_{a,f}$)는 원시 절삭력 신호에 최소자승법(least-squares algorithm)을 적용하여 식별됩니다. 이 계수들은 공구-칩 및 공구-가공물 접촉 영역에 걸친 힘의 체계적인 분포를 반영합니다.
   • 프랙탈 특징 (불규칙적 특징): 신호의 불규칙성을 포착하기 위해 본 연구는 상관 차원(correlation dimension, $D_c$)을 활용합니다. 박스 차원(box dimension)이나 정규화 차원(regularization dimension)과 달리, 상관 차원은 신호의 불규칙성을 특성화하는 데 더 효과적인 것으로 간주됩니다. 저자들은 절삭력 신호의 위상 공간(phase space)을 재구성하고 세 가지 힘 성분($F_x, F_y, F_z$)에 대한 상관 차원을 계산합니다. 안정성 분석을 바탕으로 임베딩 차원은 80으로 선택되었으며, 특정 스케일 범위 내에서 상관 적분의 로그 함수를 선형 피팅함으로써 차원을 계산합니다.

2. 융합 및 추정:

   • 추출된 9개의 특징(6개 계수 + 3개 상관 차원)은 **나이브 베이지안 네트워크(Naïve Bayesian Network)**를 사용하여 통합됩니다.
   • 이 네트워크는 공구 마모 상태(플랭크 마모, $VB$)를 은닉 노드(hidden node)로, 9개의 특징을 관측 노드(observable nodes)로 취급합니다.
   • 현재의 마모 상태에 대한 사전 확률이 이전 상태의 사후 확률을 바탕으로 업데이트되는 순차적 추정 방식이 구현되었습니다. 이를 통해 시스템은 순시 특징 데이터와 공구 마모의 시간적 진화를 모두 반영할 수 있어 노이즈 강건성을 높일 수 있습니다.
   • 최종 마모 추정치는 최대 사후 확률(Maximum A Posteriori, MAP)을 통해 결정됩니다.

실험적 검증
본 방법론은 PHM2010 예후 및 건전성 관리(Prognostic Health Monitoring) 경진대회 데이터셋을 사용하여 검증되었습니다.

• 설정: Inconel 718(일부 맥락에서는 스테인리스강)을 대상으로 6mm 볼 엔드 카바이드 공구를 사용한 고속 CNC 밀링 실험입니다.
• 데이터: 실험 C1, C4, C6에서 얻은 삼채널 절삭력 신호(50 kHz 샘플링)입니다.
• 프로토콜: 두 개의 실험이 네트워크 파라미터를 학습하기 위한 훈련 데이터로 사용되고, 나머지 하나의 실험이 테스트 데이터로 사용되는 교차 검증 전략이 사용되었습니다. 이 사이클은 총 세 번 반복되었습니다.

주요 결과

• 특징 거동: 공구 마모가 진행됨에 따라 절삭력 계수(전단 및 마찰 계수 모두)는 지속적으로 증가하였는데, 이는 마찰 증가와 힘의 분포 변화를 반영합니다. 반대로, 상관 차원은 감소하였는데, 이는 공구 끝단이 무뎌짐에 따라 절삭력 파형이 더 매끄럽고 규칙적으로 변함을 나타냅니다.
• 모니터링 정확도: 융합 방법은 단독 접근 방식보다 우수한 성능을 보였습니다.
  • 융합 방법은 계수 기반 방식 대비 5.6%, 프랙탈 기반 방식 대비 **9.8%**의 상대적 정확도 향상을 달aba했습니다.
  • 융합 방법의 테스트 케이스(C1, C4, C6)별 특정 오차율($Er$)은 각각 5.09%, 5.49%, 5.59%로 나타났으며, 이는 단일 특징 세트만을 사용했을 때 발생한 오차보다 낮았습니다.

의의 및 주장
본 논문은 주요 기여가 규칙적 및 불규칙적 신호 특성의 상보적 통합에 있다고 주장합니다. 공구 마모가 힘 분포의 체계적인 변화(계수로 포착)와 신호 불규칙성의 변화(프랙탈 차원으로 포착)를 모두 유발한다는 점을 인지함으로써, 제안된 하이브리드 접근 방식은 마모 상태에 대한 더욱 포괄적인 특성화를 제공합니다. 연구는 이러한 융합이 마모의 진화를 고려하는 베이지안 프레임워크를 통해 처리될 때, 단일 유형의 특징에 의존하는 방법보다 온라인 공구 마모 모니터링의 정밀도를 크게 향상시킨다고 결론짓습니다.