<![CDATA[Kondisi insert secara signifikan mempengaruhi kualitas produk dan efisiensi pembuatan mesin bubut. Studi ini menggunakan distribusi kerapatan spektral daya dari sinyal getaran accelerometer mesin bubut CNC untuk merancang sistem klasifikasi kondisi sisipan pahat yang dapat diterapkan pada kondisi pemesinan yang berbeda. Untuk empat kondisi sisipan pemesinan bubut yang umum (yaitu tepi terpasang, keausan flank, normal, dan fraktur), Dalam hal ini, sistem klasifikasi kondisi sisipan dibuat dengan dua tahap—pemodelan kondisi sisipan dan fusi model pemesinan. Pada tahap pemodelan kondisi insert, fitur magnitudo frekuensi tersegmentasi ditangkap menurut distribusi kerapatan spektral daya dari sinyal getaran akselerometer. Root mean square error (RMS) dan Fast Fourier Transform (FFT) dihitung untuk melakukan studi prediksi getaran menggunakan alat potong bubut. hasil sinyal mentah pada kondisi percobaan baru, nilai RMS berada pada kisaran 6,24-6,23, dan FFT 0,0007-0,0009. kondisi baik, kondisi sinyal mentah menunjukkan nilai RMS berada pada kisaran 54.36-67.08 dan FFT 0.0068-0.0080, kondisi sinyal mentah sedang, nilai RMS 83.05-112.07, dan nilai FFT 0.0089-0.0147, buruk Kondisi raw signal nilai RMS 125.14-152.09 dan nilai FFT 0.0137-0.0178. Dapat disimpulkan bahwa data terbaik yang dapat digunakan untuk proses prediksi kerusakan mata alat menggunakan metode cluster data dengan menggunakan nilai tegangan RMS pada sinyal mentah dan magnitudo pada proses FFT adalah data pengukuran tegangan RMS untuk sinyal mentah karena data sinyal mentah menyediakan rentang pengukuran yang luas. berbanding lurus antara kerusakan bilah alat dan peningkatan voltase di RMS, dan cluster data dikelompokkan dengan baik.]]>
Copyrights © 2022
