Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corte

Detalhes bibliográficos
Autor(a) principal: Reis, Rui Daniel Botelho
Data de Publicação: 2018
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
Texto Completo: http://hdl.handle.net/11067/4497
Resumo: Mestrado em Engenharia Eletrónica e Informática
id RCAP_7577c5af8b49bdfcb9fd7ceff3e7227f
oai_identifier_str oai:repositorio.ulusiada.pt:11067/4497
network_acronym_str RCAP
network_name_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository_id_str 7160
spelling Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corteInteligência artificialFerramentas de corteMestrado em Engenharia Eletrónica e InformáticaExame público realizado em 15 de Maio de 2018A monitorização das condições de corte é parte fundamental da maquinação e de outros processos de manufatura, existindo peças que se encontram em constante utilização, o que provoca o seu desgaste, tendo estas, de ser substituídas. Tanto nos processos de torneamento como nos de fresagem, um elevado nível de desgaste das ferramentas de corte condiciona uma operação adequada, utilizando-se normalmente a combinação de múltiplos sensores, em conjunto com um método de classificação apropriado, na monitorização desse desgaste. As capacidades únicas de modelação na presença de informação com ruído fazem das redes neuronais artificiais candidatas apropriadas para a monitorização dessas condições. Esta dissertação introduz melhorias ao algoritmo self-organizing map, apresentando uma modificação do algoritmo, por forma a controlar a eficácia da memória, possibilitando que os neurónios com aprendizagem mais reduzida tenham também eles possibilidade de reter conhecimento. Posteriormente foram executados testes à capacidade de modelação da rede neuronal, de modo a determinar a influência do tempo, como um dos atributos, no desempenho da classificação. Os resultados obtidos apresentam uma melhoria significativa na classificação do desgaste da ferramenta de corte, aquando da utilização do tempo como atributo de classificação, como também um ganho do desempenho através das alterações do controlo do ritmo de aprendizagem da rede neuronal implementadas no algoritmo. As modificações no algoritmo de aprendizagem sugerem que a aprendizagem contínua é possível, pois evitam o overfitting da rede com dados anteriormente analisados, possibilitando, assim, que novas relações possam ser estabelecidas, sem que as relações anteriormente estabelecidas sejam desprezadas.Condition monitoring is a fundamental part of machining as well as other manufacturing processes where generally there are parts that wear out and have to be replaced. In turning or milling tool wear level is fundamental for proper machine operation and is often accessed through the use of multiple sensors combined with a reasoning method. The unique modeling capabilities of artificial neural networks in the presence of noisy information make them best candidates for condition monitoring. This paper presents enhancements to the self-organizing map neural network where a modified learning algorithm is used to control the effectiveness of memory usage through the reduction of the learning rate in raw memory areas. Further modeling ability tests of the neural network were produced to test the influence of time as a feature in classification performance. Results show significant improvements in tool wear classification through the use of time as a feature as well as gained performance with memory learning rate control. The modified learning algorithm suggest that online continuous learning is possible by avoiding over fitting from previously seen data suggesting therefore the accommodation of new data patterns without forgetting previous ones.2019-03-27T15:10:07Z2019-03-272018-01-01T00:00:00Zinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdftext/plain; charset=utf-8http://hdl.handle.net/11067/4497http://hdl.handle.net/11067/4497TID:202196364porReis, Rui Daniel Botelhoinfo:eu-repo/semantics/openAccessreponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãoinstacron:RCAAP2024-01-04T01:49:05Zoai:repositorio.ulusiada.pt:11067/4497Portal AgregadorONGhttps://www.rcaap.pt/oai/openaireopendoar:71602024-03-20T01:27:28.475002Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informaçãofalse
dc.title.none.fl_str_mv Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corte
title Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corte
spellingShingle Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corte
Reis, Rui Daniel Botelho
Inteligência artificial
Ferramentas de corte
title_short Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corte
title_full Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corte
title_fullStr Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corte
title_full_unstemmed Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corte
title_sort Mapa de Kohonen adaptado aplicado à monitorização do desgaste de ferramentas de corte
author Reis, Rui Daniel Botelho
author_facet Reis, Rui Daniel Botelho
author_role author
dc.contributor.author.fl_str_mv Reis, Rui Daniel Botelho
dc.subject.por.fl_str_mv Inteligência artificial
Ferramentas de corte
topic Inteligência artificial
Ferramentas de corte
description Mestrado em Engenharia Eletrónica e Informática
publishDate 2018
dc.date.none.fl_str_mv 2018-01-01T00:00:00Z
2019-03-27T15:10:07Z
2019-03-27
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/11067/4497
http://hdl.handle.net/11067/4497
TID:202196364
url http://hdl.handle.net/11067/4497
identifier_str_mv TID:202196364
dc.language.iso.fl_str_mv por
language por
dc.rights.driver.fl_str_mv info:eu-repo/semantics/openAccess
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
text/plain; charset=utf-8
dc.source.none.fl_str_mv reponame:Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
instname:Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron:RCAAP
instname_str Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
instacron_str RCAAP
institution RCAAP
reponame_str Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
collection Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos)
repository.name.fl_str_mv Repositório Científico de Acesso Aberto de Portugal (Repositórios Cientìficos) - Agência para a Sociedade do Conhecimento (UMIC) - FCT - Sociedade da Informação
repository.mail.fl_str_mv
_version_ 1799136754713755648

Registros relacionados