신경회로망을 이용한 밀링공구 파손 검출에 관한 연구 = A Study on Fracture Monitoring of Milling Tool Using Neural Network

국문 초록 (Abstract)

본 연구는 무감독형의 신경회로망을 사용하여 밀링공정에서 발생하는 공구파손을 검출하고자 한다. 센서신호는 절삭력신호와 가속도신호를 측정하고, 신경회로망의 입력패턴으로 사용하기 위해 시계열 AR계수와 대역주파수 에너지값을 산출하였다. 공구의 정상상태와 파손상태를 구별하기 위해 자기구성으로 무감독학습이 가능한 ART2신경회로망을 사용하였다. 실험 결과 사전의 정보없이 여러가지 절삭조건하에서 공구파손을 효과적으로 검출할 수 있었다.

다국어 초록 (Multilingual Abstract)

This study introduces a tool fracture monitoring technology in face milling operation comprised of an unsupervised neural network. The monitoring system employs two types of sensor signal such as cutting force and acceleration in sensory detection state. The AR parameters in time series model and the band frequency energy of the sensor signals are calculated for the input patterns of neural network. ART2 neural network, which is capable of self organizing without supervised learning, is used for classifying into the normal state and the broken detected under various cutting conditions without prior knowledge of cutting state of tool. The experimental results show that tool fracture can be effectively processes.