Estimação da rugosidade gerada no processo de fresamento frontal via redes neurais artificiais

• Autor(a) principal: Hübner, Henrique Butzlaff
• Data de Publicação: 2016
• Tipo de documento: Dissertação
• Idioma: por
• Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
• Texto Completo: http://hdl.handle.net/10183/141160
• topic: Rugosidade de superfície; Redes neurais artificiais; Aço; Fresamento; Surface roughness; Milling; Modeling; Artificial neural networks

A rugosidade é um parâmetro de acabamento importante nos processos de fabricação por usinagem e é determinado de acordo com a aplicação técnica da superfície usinada. A rugosidade afeta atributos funcionais dos produtos como desgaste, atrito, reflexão da luz, capacidade de manter e espalhar um lubrificante, etc.. Como a inspeção da superfície é normalmente feita com rugosímetros após a operação de usinagem, essa tarefa consome tempo e demanda trabalho, gerando custo adicional ao produto. Assim, este trabalho tem como objetivo estimar os valores das rugosidades média (Ra) e total (Rt) geradas no processo de fresamento frontal a seco do aço SAE 1045 com fresa de topo reto via redes neurais artificiais (RNA). Dessa forma, os valores de rugosidade Ra e Rt podem ser obtidos somente informando os parâmetros do processo ao modelo. Foram considerados como variáveis de entrada do processo a velocidade de corte (vc), o avanço por dente (fz) e o raio de ponta da ferramenta (r). Após uma análise estatística, constatou-se que as variáveis de saída que melhor se correlacionavam com os valores de rugosidade foram a força média no eixo x (Fx) (direção de avanço) e a variação da força no eixo z (Fz) (direção axial). Os dados de força foram obtidos usando um sistema sensório constituído de plataforma piezelétrica, placa de aquisição de dados e computador com software apropriado. Portanto, os cinco parâmetros de entrada utilizados nos 16 modelos testados foram vc, fz, r, Fx e Fz. O algoritmo de treinamento usado foi o de Levemberg-Marquardt. Dentre os testados, os modelos com topologia 5-10-10-1 (cinco entradas e uma saída) apresentaram as melhores capacidade de estimação para os valores de Ra e Rt, mostrando a eficiência da técnica de modelagem da rugosidade por RNA.