Klasifikacija tvrdoće obratka kod bušenja kamena primjenom signala vibracija

diplomski rad

• Naslov (engleski): Workpiece hardness classification using vibration signals in stone drilling
• Autor: Matej Šlankovič
• Mentor: Danko Brezak (mentor)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet strojarstva i brodogradnje; Zagreb
• Datum i država obrane: 2023-07-20, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Strojarstvo; Proizvodno strojarstvo

Sažetak

Kroz rad se istražuje mogućnost primjene neuronske mreže s radijalnim baznim funkcijama za klasifikaciju tvrdoće kamena na temelju signala vibracija snimljenih pri obradi bušenjem. U prvom dijelu rada iznosi se značaj i vrste nadzora obradnih procesa, što je dodatno prošireno dubljim pregledom karakteristika signala snimanih tijekom indirektnog nadzora. Na kraju teorijskog dijela, analizirani su model obradnog sustava s modulom za indirektni nadzor tvrdoće kamena i novodizajnirano svrdlo s kanalom za ispuhivanje. Nakon teorijskog dijela, detaljno je prikazan provedeni eksperiment. Redom su opisani: eksperimentalni postav, korištene vrste kamenih uzoraka, mjerenje i obrada signala, te izdvajanje značajki. Zatim je iznesena struktura, matematički model i principi rada neuronske mreže s radijalnim baznim funkcijama. Naposljetku su prikazani rezultati provedenog eksperimenta te je iznesen konačan zaključak o primjenjivosti mreže za klasifikaciju tvrdoće.

Sažetak (engleski)

The paper explores the possibility of applying the radial basis function neural network for the stone hardness classification based on vibration signals measured during drilling process. In the first part of the paper, the importance and types of monitoring of machining processes are presented. Which is additionally expanded by a deeper overview of indirectly monitored signals. At the end of the theoretical part, the model of machining system with the module for indirect stone hardness monitoring and the newly designed drill bit with a channel that allows the flow of cutting fluids were analyzed. After the theoretical part, the conducted experiment is thoroughly described in the following order: the experimental setup, used types of stone samples, measurement and processing of signals, and feature extraction. Subsequently followed by explanation of the structure, mathematical model and operating principles of the radial basis function neural network. Final chapter presents the results of conducted experiment and concluding remarks of applicability of neural network for hardness classification.

• Ključne riječi: bušenje; indirektni nadzor; klasifikacija tvrdoće kamena; neuronske mreže
• Ključne riječi (engleski): drilling; indirect monitoring; stone hardness classification; neural networks
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:235:570663
• Studijski program: Naziv: Strojarstvo; smjerovi: Konstrukcijski smjer, Procesno-energetski smjer, Proizvodni smjer, Inženjersko modeliranje i računalne simulacije, Brodostrojarski smjer, Industrijsko inženjerstvo i menadžment, Inženjerstvo materijala, Mehanika i robotika, Autonomni sustavi i računalna inteligencija; Smjer: Autonomni sustavi i računalna inteligencija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka strojarstva (mag. ing. mech.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Otvoreni pristup
• Datum i vrijeme pohrane: 2023-07-05 18:52:15