پیش بینی خطای حرارتی در ماشین ابزارهای فرز CNC با بهره گیری از سیستم استنتاج فازی عصبی تطبیقی

در این پژوهش از سیستم استنتاج فازی عصبی تطبیقی به عنوان یک سیستم هوشمند پیش بینی کننده خطای حرارتی در ماشین ابزارهای فرز CNC استفاده شده است. در این روش داده های به دست آمده از سنسورهای حرارتی نصب شده بر روی بخش های مختلف ماشین از جمله اسپیندل، کلگی، نواحی نزدیک به کلگی و نواحی دور از کلگی به همراه پارامترهای عملکردی ماشین ابزار نظیر سرعت پیشروی و سرعت دورانی محور اسپیندل به عنوان ورودی های مدل ANFIS در نظر گرفته شده اند. سیستم استنتاج فازی عصبی تطبیقی با تحلیل این ورودی ها قادر است میزان خطای حرارتی ماشین را پیش بینی نماید و با بهینه سازی سرعت پیشروی و سرعت دورانی، در جهت کاهش خطای حرارتی گام بردارد. در فرآیند آموزش مدل از الگوریتم آموزش ترکیبی استفاده شده و محدوده خطا به عنوان معیار توقف آموزش در نظر گرفته شده است. نتایج حاصل از مدلسازی نشان می دهد که پارامترهای ورودی انتخاب شده نقش تعیین کننده ای در بروز خطای حرارتی دارند و سیستم ANFIS می تواند با دقت بالایی مقدار این خطا را پیش بینی کند. به طور کلی استفاده از مدل هوشمند پیشنهادی می تواند به بهبود دقت ماشین کاری و کاهش اثرات نامطلوب خطای حرارتی در ماشین ابزارهای CNC منجر شود.

کلیدواژه ها:

ماشین ابزار فرز CNC ، خطای حرارتی ، سیستم استنتاج فازی عصبی تطبیقی ، مدل سازی هوشمند ، بهینه سازی سرعت پیشروی