Cutting Condition Monitoring in Milling within Enclosed Environments Using a Microphone Array and Random Forest

Technische Samenvatting: Monitoring van snijcondities bij frezen in besloten omgevingen met behulp van een microfoonarray en Random Forest

Probleemstelling
Real-time procesmonitoring is cruciaal voor het voorkomen van defecten en het verlagen van kosten in de moderne productie. Hoewel akoestische emissie een aantrekkelijke, niet-intrusieve bron is voor het monitoren van bewerkingsprocessen, wordt de toepassing ervan in besloten werktuigmachines aanzienlijk bemoeilijkt door omgevingsfactoren. Specifiek creëert de binnenkant van machinebehuizingen een zeer reverbererende akoestische omgeving door reflecterende metalen oppervlakken. Deze nagalm, gecombineerd met achtergrondindustrieel geluid, kan het akoestische veld homogeniseren, waardoor de specifieke kenmerken van het snijproces effectief worden gemaskeerd. Bovendien verandert de coexistentie van directe en reverbererende geluiden de spectrale kenmerken, wat conventionele breedbandige signaalbeschrijvers potentieel ongevoelig maakt voor variaties in bewerkingsparameters. Er is een gebrek aan literatuur die specifiek ingaat op de invloed van dergelijke diffuse, reverbererende velden op de betrouwbaarheid van op microfoons gebaseerde monitoring en feature-extractie.

Methodologie
De studie evalueerde de haalbaarheid van het monitoren van eindfreescondities met behulp van een vier-microfoon MEMS-array gepositioneerd in een Romi D600 verticale verspaningsmachine. De experimentele opstelling omvatte:

• Experimenteel ontwerp: Een $2^{4-1}$ fractioneel factorieel ontwerp werd toegepast om acht verschillende snijconditieklassen te genereren door de snijsnelheid ($v_c$), de voeding per tand ($f_z$), de axiale snijdiepte ($a_p$) en de radiale snijdiepte ($a_e$) te variëren.
• Akoestische karakterisering: De behuizing werd gekarakteriseerd als een diffuse veldomgeving. De nagalmtijd ($RT_{60}$) werd gemeten met behulp van een impulsieve knalbron, en de ruimtelijke coherentie werd geanalyseerd om de hypothese van een diffuus veld te valideren. De microfoonarray werd gepositioneerd op de kritische afstand, wat resulteerde in een hybride veld waarin de reverbererende energie domineert.
• Strategieën voor feature-extractie: Twee strategieën werden vergeleken:
  1. Strategie 1 (Conventioneel): Extractie van standaard tijd- en frequentiedomein-beschrijvers (bijv. RMS, spectrale centroid, kurtosis) uit het breedbandige signaal.
  2. Strategie 2 (Voorgesteld): Decompositie van het signaal in octaafbanden (125 Hz tot 8 kHz), gevolgd door de toepassing van een Wiener-filter op elke band om ruis en reverberatie te mitigeren. Vervolgens werden RMS-beschrijvers geëxtraheerd uit deze gefilterde subbanden.
• Classificatie: Een Random Forest-classifier werd getraind op data van één experimentele proef (Proef 1) en gevalideerd tegen vijf onafhankelijke proeven (Proeven 2–6) om generalisatie en robuustheid te beoordelen.

Belangrijkste Resultaten

• Omgevingskarakterisering: De machinebehuizing vertoonde een nagalmtijd van ongeveer 0,64 s en een Schroeder-frequentie van ~752 Hz. Boven deze frequentie gedroeg het akoestische veld zich als een statistisch diffuus veld. Ruimtelijke coherentieanalyse bevestigde een hoge overeenstemming (gelijkenisindex ~0,91) met het Rayleigh-diffuse veldmodel.
• Feature-gevoeligheid:
  • Strategie 1: Conventionele breedbandige beschrijvers vertoonden een hoge gevoeligheid voor de homogeniserende effecten van de nagalm. De spectrale centroid vertoonde bijvoorbeeld bijna geen variatie tussen verschillende bewerkingsparameters, wat aangeeft dat de globale spectrale balans onveranderd bleef ondanks variaties in energie.
  • Strategie 2: De octaafband-RMS-beschrijvers behielden een significante gevoeligheid voor bewerkingsparameters. De voorgestelde methode slaagde erin om de invloed van verschillende parameters (bijv. voeding per tand die lagere frequenties domineert, snijsnelheid die hogere frequenties domineert) te scheiden, welke in de breedbandanalyse werden gemaskeerd.
• Classificatieprestaties:
  • Strategie 1: Behaalde een gemiddelde classificatienauwkeurigheid van 64,85% met een hoge standaarddeviatie van 26,07%, wat wijst op een slechte generalisatie over verschillende experimentele proeven.
  • Strategie 2: Behaalde een gemiddelde classificatienauwkeurigheid van 94,77% met een standaarddeviatie van slechts 7,92%. De voorgestelde methode behield een hoge nauwkeurigheid (>90%) over de meeste validatieproeven, wat een superieure robuustheid tegen omgevingsfluctuaties en nagalm demonstreert.
• Feature Belang (Feature Importance): Het Random Forest-model dat steunt op Strategie 2 maakte primair gebruik van de gemiddelde RMS-waarden van specifieke octaafbanden (met name 4 kHz, 8 kHz, 2 kHz en 250 Hz), die overlapten met de structurele resonantiefrequenties van het gereedschapshouder-systeem.

Significantie en Claims
Het artikel stelt dat hoewel de besloten omgeving een diffuus geluidsveld creëert dat de akoestische signalen aanzienlijk verandert, dit het signatuur van het snijproces niet volledig maskeert. De primaire bijdrage is de demonstratie dat frequentie-selectieve analyse (octaafband-decompositie gecombineerd met Wiener-filtering) essentieel is voor effectieve monitoring in dergelijke omgevingen.

De auteurs stellen dat conventionele breedbandige beschrijvers falen in hoog-reverbererende settings omdat ze procesgerelateerde informatie over het spectrum middelen. In contrast hiermee behoudt de voorgestelde methodologie lokale procesinformatie binnen specifieke frequentiebanden, wat een aanzienlijk robuustere representatie van de bewerkingsstatus biedt. De studie concludeert dat akoestische monitoring van freesoperaties binnen besloten werktuigmachines haalbaar is met behulp van goedkope MEMS-arrays, mits de signaalverwerkingsstrategieën rekening houden met de specifieke akoestische eigenschappen van de behuizing. De bevindingen suggereren dat het behoud van frequentie-selectieve informatie cruciaal is om de beperkingen opgelegd door industriële nagalm en achtergrondruis te overwinnen.