WO2017163201A1 - Método e dispositivo para selecionar e amplificar sinais de desgaste por meio de emissão acústica e usos - Google Patents

Método e dispositivo para selecionar e amplificar sinais de desgaste por meio de emissão acústica e usos Download PDF

Info

Publication number
WO2017163201A1
WO2017163201A1 PCT/IB2017/051663 IB2017051663W WO2017163201A1 WO 2017163201 A1 WO2017163201 A1 WO 2017163201A1 IB 2017051663 W IB2017051663 W IB 2017051663W WO 2017163201 A1 WO2017163201 A1 WO 2017163201A1
Authority
WO
WIPO (PCT)
Prior art keywords
wear
tool
psd
signal
pass
Prior art date
Application number
PCT/IB2017/051663
Other languages
English (en)
French (fr)
Inventor
Luís Henrique ANDRADE MAIA
Alexandre MENDES ABRÃO
Wanderley Luiz VASCONCELOS
Jánes LANDRE JÚNIOR
Original Assignee
Universidade Federal De Minas Gerais - Ufmg
Sociedade Mineira De Cultura
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from BR102016006314-0A external-priority patent/BR102016006314B1/pt
Application filed by Universidade Federal De Minas Gerais - Ufmg, Sociedade Mineira De Cultura filed Critical Universidade Federal De Minas Gerais - Ufmg
Publication of WO2017163201A1 publication Critical patent/WO2017163201A1/pt

Links

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
    • G05B19/00—Programme-control systems
    • G05B19/02—Programme-control systems electric
    • G05B19/18—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form
    • G05B19/406—Numerical control [NC], i.e. automatically operating machines, in particular machine tools, e.g. in a manufacturing environment, so as to execute positioning, movement or co-ordinated operations by means of programme data in numerical form characterised by monitoring or safety
    • G05B19/4065—Monitoring tool breakage, life or condition

Definitions

  • the present invention relates to a method and device for selecting and amplifying wear signals and their use in monitoring the life span of a machining tool.
  • Such method uses acoustic emission signals through the envelope technique and the self-covariance function. Maximizing wrap-around events and reducing self-variance noise, this invention makes signals more sensitive to tool wear, allowing you to detect tool life, monitor wear materials and track failures.
  • the EA signals are very sensitive to tool wear, where several mechanisms act simultaneously, described a correlation between the influence of the EA signal on the milling of perlite lithium carbide tooled front milling, the RMS of the EA signal and tool wear at certain frequencies by applying filters. (SOUTO, UB; ' Monitoring of tool wear in the milling process via acoustic emission . ; 2007).
  • AE signals are capable of detecting friction on the tool output surface and tool / part contact, as well as residual stress, plastic deformation, and phase shift imposed by increased temperature in the workpiece and the chip breaking and shock with the tool and / or workpiece.
  • Teti et al. (2010) point out that the future of machining process monitoring lies in the application of several techniques simultaneously and an artificial intelligence (fuzzy logic and neural networks) that can assign the proper value to each signal and detect faults and end. tool life.
  • the JP19790010107 document entitled ⁇ Acoustic detection of tool wear and fracture ⁇ 1979 is based on the fact EA excited machining excite a wide frequency range and therefore, applying a high-pass filter or Strip filters are capable of removing the characteristic frequency of the machined material and use only wear-related information to provide fracture and wear of the tool.
  • the technical proposal has a better contribution than US19830490010 as it isolates only the tool components. Nevertheless, in most wear evolution, the EA signal decays due to the reduction in the wear rate that is monitored by this technique. With the technique proposed in the present invention, by maximizing enveloping events and reducing self-covariance noise, signals become more sensitive to tool wear.
  • the US19960724718 document entitled a method for specifying vibration testing random to validate the durability of the product ⁇ 1996 develops a spectral density function in a simplified composite strength PSD influencing representavivos scaling coefficients of the PSD for random vibration loads at the expected field vibration levels and calculates the stress response curve for the product representative of the transmissibility function from the input acceleration forces to the local vibration effort forces.
  • the document uses the same purpose as the present invention, but does not use EA frequency selectivity in conjunction with covariance functions.
  • the RU20050138088 document entitled ⁇ Method for Determining life parameters of cutting tool ⁇ 2005 describes a method that captures the AND signal during the cutting process, compares the amplitudes of the frequencies that are more related to tool wear , with the value of the power spectrum originating from the tool vibrations during cutting, thus determining a scale factor that is used to recompose the signal.
  • the disadvantage of this document with respect to the present invention is that the former has poor accuracy of results due to interference.
  • the present invention provides the generation of a cleaner interference signal, represented by power spectral density (PSD), which is originated by increasing the envelope wear signal and applying the self-covariance function.
  • PSD power spectral density
  • the present invention allows the acquisition of signals to make them more sensitive to tool wear.
  • Monitoring of metallurgical phenomena, wear mechanisms and fault monitoring are the main applications of the technique, as well as monitoring of materials subject to wear.
  • Figure 1 is a schematic of the EA signal acquisition device in turning.
  • Figure 2 represents the stages of development of the EA signals.
  • Figure 3 represents the PSD averages for flank wear when turning ABNT 4340 steel with 150 m / min cutting speed, 0.15 mm / rev feed (revolution) and 0 depth of cut. .25 mm with uncoated tool.
  • Figure 4 represents the PSD averages for flank wear on ABNT 4340 steel turning with 150 m / min cutting speed, 0.20 mm / rev feed and 0.25 mm cutting depth. with uncoated tool.
  • Figure 5 represents the PSD averages for flank wear on ABNT 4340 steel turning with 150 m / min cutting speed, 0.10 mm / rev feed and 0.25 mm cutting depth. with tool coated with AICrN.
  • Figure 6 represents the PSD averages for flank wear when turning ABNT 4340 steel with 150 m / min cutting speed, 0.10 mm / rev feed and 0.75 mm cutting depth. with tool coated with AICrN.
  • Figure 7 represents the PSD averages for flank wear when turning ABNT 4340 steel with 150 m / min cutting speed, 0.15 mm / rev feed and 0.25 mm cutting depth. with tool coated with AICrN.
  • Figure 8 represents the PSD averages for flank wear on ABNT 4340 steel turning with 150 m / min cutting speed, 0.15 mm / rev feed and 0.75 mm cutting depth. with tool coated with AICrN.
  • Figure 9 represents the PSD averages for flank wear when turning ABNT 4340 steel with 150 m / min cutting speed, 0.20 mm / rev feed and 0.25 mm cutting depth. with tool coated with AICrN.
  • Figure 10 represents the PSD averages for flank wear in turning ABNT 4340 steel with 150 m / min cutting speed, 0.20 mm / rev feed and 0.75 mm cutting depth. with tool coated with AICrN.
  • Figure 1 1 represents the PSD averages for flank wear on ABNT 4340 steel turning with 200 m / min cutting speed, 0.10 mm / rev feed and 0.25 cutting depth. mm with tool coated with AICrN.
  • Figure 12 represents the PSD averages for flank wear on ABNT 4340 steel turning with 200 m / min cutting speed, 0.15 mm / rev feed and 0.25 mm cutting depth. with tool coated with AICrN.
  • Figure 13 represents the PSD averages for flank wear on ABNT 4340 steel turning with 200 m / min cutting speed, 0.15 mm / rev feed and 0.75 mm cutting depth. with tool coated with AICrN.
  • Figure 14 represents the PSD averages for flank wear when turning ABNT 4340 steel with 200 m / min cutting speed, 0.20 mm / rev feed and 0.25 mm cutting depth. with tool coated with AICrN.
  • Figure 15 represents the PSD averages for flank wear when turning ABNT 4340 steel with 200 m / min cutting speed, 0.20 mm / rev feed and 0.75 mm cutting depth with tool coated with AICrN.
  • Figure 16 represents the PSD averages for flank wear in turning ABNT 4340 steel with 250 m / min cutting speed, 0.15 mm / rev feed and 0.25 mm cutting depth. with tool coated with AICrN.
  • Figure 17 represents the PSD averages for flank wear when turning ABNT 4340 steel with 150 m / min cutting speed, 0.10 mm / rev feed and 0.25 mm cutting depth. with tool coated with nanostructured AICrN
  • Figure 18 represents the PSD averages for flank wear in turning ABNT 4340 steel with 150 m / min cutting speed, 0.10 mm / rev feed and 0.75 mm cutting depth. with tool coated with nanostructured AICrN.
  • Figure 19 represents the PSD averages for flank wear on ABNT 4340 steel turning with 150 m / min cutting speed, 0.15 mm / rev feed and 0.25 mm cutting depth. with tool coated with nanostructured AICrN.
  • Figure 20 represents the PSD averages for flank wear in turning ABNT 4340 steel with 150 m / min cutting speed, 0.15 mm / rev feed depth and
  • Figure 21 represents the PSD averages for flank wear on ABNT 4340 steel turning with 150 m / min cutting speed, 0.20 mm / rev feed and cutting depth.
  • Figure 22 represents the PSD averages for flank wear when turning ABNT 4340 steel with 150 m / min cutting speed, 0.20 mm / rev feed and cutting depth.
  • Figure 23 represents the PSD averages for flank wear when turning ABNT 4340 steel with 200 m / min cutting speed, 0.10 mm / rev feed depth and
  • Figure 24 represents the PSD averages for flank wear in turning ABNT 4340 steel with 200 m / min cutting speed, 0.15 mm / rev feed depth and
  • Figure 25 represents the PSD averages for flank wear when turning ABNT 4340 steel with 200 m / min cutting speed, 0.20 mm / rev feed and cutting depth.
  • Figure 26 represents the PSD averages for flank wear on ABNT 4340 steel turning with 250 m / min cutting speed, 0.10 mm / rev feed depth and
  • Figure 27 represents the PSD averages for flank wear when turning ABNT 4340 steel with 250 m / min cutting speed, 0.15 mm / rev feed and 0.25 mm cutting depth. with tool coated with nanostructured AICrN.
  • the present invention relates to a method and device for selecting and amplifying wear signals and their use in monitoring the life span of a machining tool.
  • Such method uses acoustic emission (AE) signals through the envelope technique and the self-covariance function. Maximizing wrap-around events and reducing self-variance noise, this invention makes signals more sensitive to tool wear, allowing you to detect tool life, monitor wear materials and track failures.
  • AE acoustic emission
  • the method for selecting and amplifying signs of wear comprises the following steps:
  • the device for selecting and amplifying wear signals is shown in Figure 1 and comprises a piezoelectric sensor (2) which is coupled to the tool (1) to be analyzed, connected to a signal conditioner (3), and software. (4) capable of performing the mathematical operations defined above.
  • an EA sensor with the frequency range appropriate to the process to be monitored is used and the basic preparation preparation procedures apply: apply a conductive medium, fix the sensor to the tool or workpiece. toolholder and make the acquisition by initially eliminating noise signals that do not show actual wear characteristics through a high pass filter (6) on the active Finite Impulse Response (FIR) 10 kHz EA raw signal (5) .
  • the signals from the elastic and plastic deformation of the material, as well as the fracture, are acquired through active Finite Impulse Response (FIR) band-cut filters (7).
  • the frequency exclusion range made by the filter varies with the type of material, and in steel this frequency range is from 10 to 120 kHz.
  • the result of the EA signal after proper filtering is called 7 ⁇ _.
  • the amplitude modulation technique (8) is applied at a frequency equivalent to twice the characteristic frequency of the wear mechanisms (Signal B).
  • an EA sensor For the correct acquisition of signal B it is necessary to use an EA sensor in the acquisition range referring to the tool wear mechanisms, ie from 20 kHz to 450 kHz.
  • a signal acquisition system consisting of an amplifier and an acquisition board interconnected with a computer is used ( Figure 1). With this it is possible to promote the monitoring of wear properly.
  • the workpiece material has characteristics that must be understood before applying the filter as the atomic bonding and phase forming energy varies from material to material. and thus the frequency range of breakage of these bonds (elastic and plastic deformation) varies from material to material.
  • the mean PSD (12) refers to the magnitude of the statistically projected signal. It is obtained through the area below the estimated PSD curve. It is a strong tool for guiding the wear process through EA, as several mechanisms act simultaneously in the machining process, and measuring them demonstrates the wear rate that the tool suffered in the acquired signal.
  • the technology consists of an EA sensor that is coupled to the tool by means of a magnet and a conductive medium (Vaseline) which has the function of transferring the EA waves generated in the tool (1) to the sensor.
  • This sensor (2) is connected through a signal conditioner (3), which besides feeding it amplifies the signal, preparing for the acquisition made by the acquisition board attached to a computer (4).
  • This computer software controls the acquisition and processing of the EA signal as reported in the present invention.
  • the characteristic curve of the tool PSD averages used in turning with the following cutting parameters: 150 m / min cutting speed; 0.20 mm / rev feed and 0.25 mm cutting depth from flank wear shows that the energy is high (2.92 dB / Hz) at the first pass of the tool where it achieves a 0.295 VBMAX wear mm, suffering a decrease in the second pass (2.42 dB / Hz) with 0.506 mm VBMAX wear and growing again in the third pass (2.99 dB / Hz) where already at the end of life there is a VBMAX of 0.744 mm ( Figure 4).
  • PSD averages Evaluating PSD averages as a function of flank wear on AICrN coated tool using cutting parameters: 150 m / min cutting speed, 0.10 mm / rev feed and 0.25 cutting depth mm (Figure 6), note that the PSD average starts at a value of 1.44 dB / Hz on the first pass where the tool has a 0.06 mm flank wear, the average continues to decrease until it reaches lowest value (0.75 dB / Hz) when flanking 0.25 mm. The averages then show some consistency (from 0.83 dB / Hz to 1, 02 dB / Hz) until at the end of life, the tool with 0.607 mm flank wear averages 2.06 dB / Hz. Hz.
  • the behavior of the evaluated tool PSD average curve ( Figure 8) follows the same aspect as the tool averages turning with 150 m / min cutting speed, 0.10 mm / rev feed and 0.25 cutting depth. mm ( Figure 6) where a large value is seen at the beginning of the cut with the tool, suffering signal attenuation in the tool life and high values at the end of the tool life.
  • PSD averages for flank wear ( Figure 10) Note that the average on the first pass has a value of 1.51 dB / Hz with a wear of 0.041 mm. On the second pass, the average decreases to 1,24 dB / Hz with a side wear of 0.453 mm. From then on, the average grows to 2.09 dB / Hz with a wear of 0.771 mm. This signal presents the typical characteristic of the averages in relation to the studied wear.
  • the VBMAX wear has a high value of 1.29 mm, having a delta of 0.755 mm in relation to the second pass, which causes the wear mechanisms to overcome the temperature action and generate a higher average, but even so, no bigger than the first pass. Failure to deposit and failure to adhere to certain points may have caused the first pass to give a higher average than the third.
  • the tool coated with nanostructured AICrN turning hardened ABNT 4340 (47 HRC) steel with 150 m / min cutting speed, 0.10 mm / rev feed and 0.25 mm cutting depth showed PSD averages at flank wear (Figure 15) following the typical aspect of the curve, where the first pass signal has high energy (3.26 dB / Hz) suffering a decrease in the next passes (2.78 dB / Hz on fourth pass) until it grows again and reaches the highest value at the end of tool life (3.45 dB / Hz).
  • the high value of the averages shows that there is a high interaction of the wear mechanisms and, together with the greater chemical interaction (nanostructured), makes the AE signals have greater amplitude.
  • the PSD average is roughly the same (1.2 dB / Hz in the first pass and 1.18 dB / Hz in the second).
  • the averages have the following characteristic: high amplitude at the beginning of the tool's life, attenuating during the middle life and increasing again at the end of its life. This near parity between the first and second passes is explained by the increased wear mechanisms acting on the second pass of the tool.
  • the PSD averages of the nanostructured AICrN over flank wear ( Figure 18) has in the first pass a value of 3.39 dB / Hz with a VBMAX wear of 0.082 mm while attenuating in the second pass to 3.13 dB / Hz with a wear of 0.441 mm.
  • the average In the third pass, which also corresponds to the end of life of the tool, the average reaches 4.07 dB / Hz with a wear of 1.043 mm, following the typical behavior of the PSD averages in relation to flank wear.
  • the PSD average in the first reaches a level of 4.21 dB / Hz with a flank wear of 0.1 14 mm, which is practically repeated in the third pass (4.22 dB / Hz) with a wear of 0.867 mm.
  • the average drops to 0.29 dB / Hz with a wear of 0.29 mm.
  • the average of the second pass is greater than the average of the first pass, which is beyond the usual characteristic, denoting crack initiation and propagation mechanisms, as this mechanism is not always is visible on the tool when analyzing flank wear.
  • the PSD averages as a function of flank wear ( Figure 25) demonstrates a lower average early in tool life. It shows a flank wear of 0.437 mm with an average of 3.42 dB / Hz on the first pass and 4.51 dB / Hz on the second pass with a wear of 1.033 mm. As the wear of the last pass was high and overcame the interference of temperature increase in the AE signal, the average became much higher than that of the first pass ( Figure 25).

Abstract

A presente invenção se refere a um método e um dispositivo para selecionar e amplificar sinais de desgaste e seu uso no monitoramento do tempo de vida de uma ferramenta de usinagem. Tal método utiliza sinais de emissão acústica através da técnica de envelopamento e a função de autocovariância. Maximizando eventos por envelopamento e reduzindo ruídos por autocovariância, essa invenção torna os sinais mais sensíveis ao desgaste da ferramenta, permitindo detectar a vida útil de ferramentas, monitorar materiais sujeitos a desgaste e acompanhar falhas.

Description

MÉTODO E DISPOSITIVO PARA SELECIONAR E AMPLIFICAR SINAIS DE DESGASTE POR MEIO DE EMISSÃO ACÚSTICA E USOS
[001 ] A presente invenção se refere a um método e um dispositivo para selecionar e amplificar sinais de desgaste e seu uso no monitoramento do tempo de vida de uma ferramenta de usinagem. Tal método utiliza sinais de emissão acústica através da técnica de envelopamento e a função de autocovariância. Maximizando eventos por envelopamento e reduzindo ruídos por autocovariância, essa invenção torna os sinais mais sensíveis ao desgaste da ferramenta, permitindo detectar a vida útil de ferramentas, monitorar materiais sujeitos a desgaste e acompanhar falhas.
[002] A maioria dos estudos que realizam monitoramento de sinais de emissão acústica (EA) na usinagem não se preocupa com os mecanismos excitadores, mas somente com a condição fim (desgaste de flanco da ferramenta e/ou qualidade superficial da peça), o que leva a condições de baixa correlação com o evento, principalmente em monitoramento de condições extremas, como no caso da usinagem dura com ferramentas de metal duro.
[003] Ainda não foi descrita uma técnica que demonstre corretamente uma relação entre os sinais de EA e a vida da ferramenta. Diversas técnicas foram estudadas e desenvolvidas, inclusive utilizando sinais de EA, mas sem resultados satisfatórios.
[004] Os sinais de EA são muito sensíveis ao desgaste de ferramenta, onde vários mecanismos agem simultaneamente, descreveu uma correlação entre a influência do sinal de EA no fresamento frontal de aço microligado perlítico com ferramenta de metal duro recoberta com TiN, a RMS do sinal de EA e o desgaste da ferramenta em frequências determinadas através da aplicação de filtros. (SOUTO, U.B; 'Monitoramento do desgaste de ferramenta no processo de fresamento via emissão acústica.; 2007).
[005] Marinescu e Axinte (2008) compararam a efetividade dos sinais de EA na detecção de defeitos na ferramenta de metal duro duplamente recobertas (TiAIN + TiN) e na peça Inconel 718 em operação de fresamento com os sinais de forças de corte e demonstraram que a EA tem uma sensibilidade muito maior ao desgaste que os sinais de força. Esses autores adotaram a técnica de STFT para abrir o sinal de EA e filtrar apenas a faixa de frequência de maior amplitude (70 kHz a 1 15 kHz). Com isso, detectaram forte relação entre a quebra da ferramenta e o crescimento da amplitude dessa faixa de frequência. (Marinescu, I., Axinte, D. A. (2008). A criticai analysis of effectiveness of acoustic emission signals to detect tool and workpiece malfunctions in milling operations. International Journal of Machine Tools & Manufacture, vol. 48, p. 1 148-1 160, DOI:10.1016/j. ijmachtools.2008.01 .01 1 )
[006] Os avanços conseguidos no monitoramento da usinagem demonstraram que os sinais de EA são capazes de detectar atrito na superfície de saída da ferramenta e no contato ferramenta/peça, além de imposição de tensões residuais, deformação plástica e mudança de fase imposta pelo aumento da temperatura na peça e ainda a quebra e o choque do cavaco com a ferramenta e/ou com a peça. Teti e colaboradores (2010) pontaram que o futuro do monitoramento dos processos de usinagem está na aplicação de várias técnicas simultaneamente e uma inteligência artificial (lógica difusa e redes neurais) que possa atribuir o devido valor a cada um dos sinais e detectar falhas e fim de vida da ferramenta. (TETI, R.; JEMIELNIAK, K.; OOONNELL, G.; DORNFELD, D.; Advanced monitoring of machining operations. CIRP Annals - Manufacturing Technology, v. 59, p. 717"739, 2010.) [007] Sobre os ruídos oriundos da aquisição dos sinais, deve-se atenuá-los ou se possível eliminá-los. Em todas as aquisições de sinais, ruídos magnéticos, de fase na rede elétrica, brancos oriundos de aquecimento de circuitos elétricos e mecânicos no caso de vibrações e EA estão presentes. Para a eliminação e atenuação dos ruídos magnéticos e de fase deve-se tomar cuidado com posicionamento do equipamento e fazer um aterramento eficiente da rede elétrica e dos equipamentos para ruídos de baixa frequência (até 1 kHz). Para ruídos eletromagnéticos de alta frequência (acima de 1 MHz), a utilização de um filtro passa-baixa é de grande valia na solução. O ruído branco oriundo do circuito elétrico formado é o mais difícil de ser eliminado. Pode-se tentar minimizá-lo utilizando um filtro supressor. Para a eliminação de ruídos mecânicos, que geralmente apresentam frequências inferiores a 100 kHz, a utilização de um filtro passa-alta soluciona este problema. Aqui vale uma ressalva: os ruídos mecânicos na usinagem são os de maiores amplitudes e sua atenuação e eliminação devem ocorrer em primeiro lugar, uma vez que qualquer amplificação do sinal amplifica muito este ruído.
[008] O desenvolvimento da técnica de densidade da força espectral leva em consideração a função de autocorrelação que é muito usada em sinais aleatórios para estimar a contribuição de ruídos nos sinais e eliminá-los. Moslehi (1986) utilizou essa técnica para avaliar o ruído gerado pela flutuação de fase do laser de interferometros éticos de dois feixes. O autor elaborou uma função de autocovariância e de densidade de força espectral dos ruídos que demonstrou ser válida para toda fase de polarização ética e qualquer tempo coerente de fonte. Os resultados demonstraram ser possível a utilização da força espectral do ruído conseguida através de uma função de autocovariância na estimativa de ruídos de outros interferometros que usam o mesmo princípio. (MOSLEHI, B.: Analysis of optical phase noise in fiber-optic systems employing a laser source 5 with arbitrary coherence time, J. Lightwave Technol).
[009] A aplicação de análise de autocorrelação foi utilizada para interpretar os sinais de EA em rochas de arenito e migmatito submetidas a carregamentos compressivos cíclicos com um crescimento de carga de 5% (Vilhelm et al., 2008). Os corpos de prova foram confeccionados em forma cilíndrica e foram distribuídos quatro sensores ao longo do comprimento do mesmo de maneira helicoidal. Os autores demonstraram que o aumento dos sinais de autocorrelação é oriundo do aumento das fontes de EA captadas por cada sensor e a sua relação com o aumento dos outros sensores em efeito cascata. Esse efeito é relacionado com a redistribuição de tensões ao longo do corpo de prova durante o processo de fratura. Os autores ainda apontaram a possibilidade do uso da autocorrelação como um sinal de alerta de falha em componentes rochosos. (VILHELM, J. ; RUDAJEV, V.; LOKAJÍC EK, T.; olVOR, R. ; Application of autocorrelation analysis for interpreting acoustic emission in rock. International Journal of Rock Mechanics & Mining Sciences, v. 45, p. 1068" 1081 , 2008.)
[0010] A aplicação de modulação em amplitude (AM) nos sinais vibracionais para a detecção de falhas em rolamentos por meio da técnica de envelope dos sinais também foi descrita (Sheen, 2007). Para tanto, o autor desenvolveu um filtro passa-banda no qual a frequência ressonante do rolamento foi selecionada. Esse sinal foi submetido a uma modulação em amplitude aplicando a técnica de AM-DSB-SC (AM de faixa lateral dupla com portadora suprimida) e logo após submeteu-o junto com o sinal bruto à técnica dos mínimos quadrados (raiz do somatório dos quadrados dos sinais). Foram simulados defeitos nos rolamentos por meio de eletroerosão das pistas interna e externa e das esferas e então monitorados os sinais vibracionais do mesmo e comparados com os sinais dos rolamentos sem defeitos. O autor concluiu que a técnica de envelope desenvolvida demonstrou eficiência na detecção dos defeitos impostos no rolamento. (SHEEN, Y.-T.; An analysis method for the vibration signal with amplitude modulation in a bearing system. Journal of Sound and Vibration. v. 303, p. 538"552, 2007.)
[001 1 ] A aplicação da técnica de AM juntamente com mínimos quadrados já se mostra eficiente na detecção de falhas em rolamentos. A dinâmica cíclica do defeito faz com que a técnica seja bem eficiente para monitoramento das falhas através de vibrações. O uso em sinais de EA requer a amenização de ruídos e sinais transientes que não acusam a efetiva degradação do fenómeno monitorado, no caso do estudo do desgaste. Para tanto, a aplicação de técnica de projeção do sinal, como é o caso da autocorrelação e autocovariância, torna possível tal controle.
[0012] O documento US19830490010 , intitulado ΎοοΙ condition and failure monitoring apparatus and method^ de 1983, descreve um método que prevê a falha da ferramenta através de contador de eventos, que é um sinal de tensão que, ao ultrapassar certo limiar, é analisado. Partindo do pressuposto que a ferramenta ao quebrar gerará maior número de eventos, a técnica identifica o fim de vida da ferramenta. A grande limitação dessa técnica é que o sinal, por ter uma natureza generalista, é excitado por uma grande quantidade de mecanismos que geram falsos positivos de quebra de ferramenta. A técnica proposta, ao filtrar os componentes de deformação plástica e maximizar o sinal de desgaste, oferece um melhor resultado ao monitorar não só a falha, mas o desgaste como um todo.
[0013] O documento JP19790010107, intitulado ^Acoustic detection of tool wear and fracture^ de 1979, baseia-se no fato da EA excitada na usinagem excitar uma ampla faixa de frequência e, portanto, a aplicação de um filtro passa-alta ou de filtros corta-faixa é capaz de retirar a frequência característica do material usinado e usar apenas as informações relacionadas ao desgaste para fornecer a fratura e o desgaste da ferramenta. A proposta técnica tem uma melhor contribuição que o documento US19830490010, uma vez que isola apenas os componentes da ferramenta. Apesar disso, na maior parte da evolução do desgaste, o sinal de EA decai devido à redução da taxa de desgaste que é monitorada por essa técnica. Com a técnica proposta na presente invenção, ao maximizar os eventos por envelopamento e reduzir os ruídos por autocovariância, os sinais se tornam mais sensíveis ao desgaste da ferramenta.
[0014] O documento BR198888051 15, intitulado Procedimento de ensaio por emissão acústica em estruturas e componentes metálicos através de monitoramento durante solicitação mecânica ^ de 1988, descreve um método para detectar descontinuidades estruturais que comprometem a integridade física do equipamento, utilizando a detecção de atividades significativas através do incremento exponencial instantâneo da curva contagens versus solicitação. Portanto, durante os testes, nesse procedimento, não se utiliza a técnica proposta na presente invenção, que maximiza os eventos por envelopamento, técnica de modulação na qual a variação da amplitude de um sinal senoidal, chamado portadora, varia em função do sinal analisado.
[0015] O documento US19960724718, intitulado por Método para especificar testes de vibração randômicos para validação da durabilidade do produto ^ de 1996, desenvolve uma função de densidade espectral de força composta simplificada PSD, influindo coeficientes de escalonamento representavivos da PSD para cargas de vibração randômicas nos níveis de vibração de campo esperados e calcula a curva de resposta de esforço para o produto representativa da função de transmissibilidade a partir das forças de aceleração de entrada para as forças de esforço de vibração local. O documento usa da mesma finalidade da presente invenção, porém não utiliza a seletividade de frequências da EA em conjunto com as funções de covariância.
[0016] O documento RU20050138088, intitulado ^Method for determining life parameters of cutting tool^ de 2005, descreve um método que capta o sinal de EA durante o processo de corte, compara as amplitudes das frequências, que estão mais relacionadas ao desgaste da ferramenta, com o valor do espectro de potência originado das vibrações da ferramenta durante o corte, determinando assim um fator de escala que é utilizado para recompor o sinal. A desvantagem desse documento em relação à presente invenção é que a primeira possui baixa precisão dos resultados devido às interferências. A presente invenção apresenta a geração de um sinal mais limpo de interferências, representado em densidade espectral de potência (PSD), que é originado através da majoração do sin al de desgaste por envelopamento e pela aplicação da função de autocovariância. A técnica defende que a média do sinal PSD é uma forma eficiente de quantificar o desgaste da ferramenta, uma vez que ela mede toda a área do espectro excitado, facilitando o monitoramento até que atinja um patamar de falhas.
[0017] Não foi encontrado no estado da técnica nenhum documento semelhante à presente invenção, que descreve um método e um dispositivo que monitora o tempo de vida de uma ferramenta através de sinais de emissão acústica, utilizando a técnica de envelopamento, que gera uma majoração dos sinais de desgaste, e a função de autocovariância, que elimina os ruídos e sinais transientes referentes a impactos e a mecanismos de danos de pequena ordem, gerando um sinal limpo de interferências representado em PSD (densidade de força espectral do sinal), que demonstra a força do sinal no domínio da frequência. A média da PSD refere-se à magnitude do sinal projetado estatisticamente e é obtida através da área abaixo da curva estimada da PSD, que é um forte instrumento para nortear o processo de desgaste através da EA, uma vez que diversos mecanismos atuam simultaneamente no processo de desgaste e, ao mensurá-los, demonstram a taxa de desgaste que a ferramenta sofreu no sinal aquisitado. Maximizando eventos por envelopamento e reduzindo ruídos por autocovariância, a presente invenção permite a aquisição de sinais tornam mais sensíveis ao desgaste da ferramenta. Monitoramento de fenómenos metalúrgicos, mecanismos de desgaste e acompanhamento de falhas são as principais aplicações da técnica, além do monitoramento de materiais sujeitos a desgaste.
BREVE DESCRIÇÃO DAS FIGURAS
[0018] A figura 1 representa um esquema do dispositivo de aquisição de sinais de EA no torneamento.
[0019] A figura 2 representa as etapas de desenvolvimento dos sinais de EA. Sinal bruto (5), filtro passa-alta (6), filtro corta-faixa (7), modulação AM (8), magnitude do sinal (9), autocovariância (10), representação em PSD (1 1 ), média da PSD (12).
[0020] A figura 3 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,15 mm/rev (revolução) e profundidade de corte de 0,25 mm com ferramenta sem recobrimento.
[0021 ] A figura 4 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,25 mm com ferramenta sem recobrimento.
[0022] A figura 5 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN. [0023] A figura 6 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,75 mm com ferramenta recoberta com AICrN.
[0024] A figura 7 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN.
[0025] A figura 8 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,75 mm com ferramenta recoberta com AICrN.
[0026] A figura 9 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN.
[0027] A figura 10 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,75 mm com ferramenta recoberta com AICrN.
[0028] A figura 1 1 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 200 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN.
[0029] A figura 12 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 200 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN. [0030] A figura 13 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 200 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,75 mm com ferramenta recoberta com AICrN.
[0031 ] A figura 14 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 200 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN.
[0032] A figura 15 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 200 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,75 mm com ferramenta recoberta com AICrN.
[0033] A figura 16 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 250 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN.
[0034] A figura 17 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN nanoestruturado
[0035] A figura 18 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,75 mm com ferramenta recoberta com AICrN nanoestruturado.
[0036] A figura 19 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN nanoestruturado. [0037] A figura 20 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,15 mm/rev e profundidade de corte de
0,75 mm com ferramenta recoberta com AICrN nanoestruturado.
[0038] A figura 21 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,20 mm/rev e profundidade de corte de
0,25 mm com ferramenta recoberta com AICrN nanoestruturado.
[0039] A figura 22 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 150 m/min, avanço de 0,20 mm/rev e profundidade de corte de
0,75 mm com ferramenta recoberta com AICrN nanoestruturado.
[0040] A figura 23 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 200 m/min, avanço de 0,10 mm/rev e profundidade de corte de
0,25 mm com ferramenta recoberta com AICrN nanoestruturado.
[0041 ] A figura 24 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 200 m/min, avanço de 0,15 mm/rev e profundidade de corte de
0,25 mm com ferramenta recoberta com AICrN nanoestruturado.
[0042] A figura 25 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 200 m/min, avanço de 0,20 mm/rev e profundidade de corte de
0,25 mm com ferramenta recoberta com AICrN nanoestruturado.
[0043] A figura 26 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 250 m/min, avanço de 0,10 mm/rev e profundidade de corte de
0,25 mm com ferramenta recoberta com AICrN nanoestruturado. [0044] A figura 27 representa as médias da PSD em relação aos desgastes de flanco no torneamento do aço ABNT 4340 com velocidade de corte de 250 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta com AICrN nanoestruturado.
DESCRIÇÃO DETALHADA DA TECNOLOGIA
[0045] A presente invenção se refere a um método e um dispositivo para selecionar e amplificar sinais de desgaste e seu uso no monitoramento do tempo de vida de uma ferramenta de usinagem. Tal método utiliza sinais de emissão acústica (EA) através da técnica de envelopamento e a função de autocovariância. Maximizando eventos por envelopamento e reduzindo ruídos por autocovariância, essa invenção torna os sinais mais sensíveis ao desgaste da ferramenta, permitindo detectar a vida útil de ferramentas, monitorar materiais sujeitos a desgaste e acompanhar falhas.
[0046] O método para selecionar e amplificar sinais de desgaste compreende as seguintes etapas:
a) Aplicar a técnica de modulação em amplitude com faixa lateral dupla com portadora suprimida em uma frequência equivalente a pelo menos duas vezes a frequência característica dos mecanismos de desgaste;
b) Realizar a operação da equação 1 de magnitude ( *£ -j- B 2 ) j onc|e A e B correspondem aos sinais resultantes das etapas de filtragem e modulação do sinal;
c) Aplicar a autocovariância no sinal obtido na etapa ¾_ originando a densidade de força espectral do sinal (PSD);
d) Determinar a média da força do sinal através do cálculo da integral da curva da PSD encontrada no item c . [0047] O dispositivo para selecionar e amplificar sinais de desgaste está representado na figura 1 e compreende um sensor piezoelétrico (2) que é acoplado à ferramenta (1 ) a ser analisada, conectado a um condicionador de sinais (3), e um software (4) capaz de realizar as operações matemáticas definidas acima.
[0048] Mais especificamente, utiliza-se um sensor de EA com a faixa de frequência adequada ao processo que se quer monitorar e aplicam-se os procedimentos básicos de preparação para a aquisição: aplicar um meio condutor, fixar o sensor na ferramenta ou no porta-ferramenta e fazer a aquisição eliminando inicialmente os sinais de ruído que não apresentam características do desgaste efetivo através de um filtro passa-alta (6) no sinal bruto (5) de EA de 10 kHz do tipo FIR (Finite Impulse Response) ativo. Os sinais oriundos da deformação elástica e plástica do material, além da fratura são adquiridos através de filtros corta-faixa (7) do tipo FIR (Finite Impulse Response) ativo. A faixa de exclusão de frequência feita pelo filtro varia com o tipo de material, sendo que no aço, essa faixa de frequência é de 1 10 a 120 kHz. O resultado do sinal de EA após aplicação dos devidos filtros é chamado de 7\_. Em seguida, aplica-se a técnica de modulação em amplitude (8) em uma frequência equivalente a duas vezes a frequência característica dos mecanismos de desgaste (Sinal B).
[0049] Para a correta aquisição do sinal B é necessário o uso de um sensor de EA na faixa de aquisição referente aos mecanismos de desgaste da ferramenta, ou seja, de 20 kHz a 450 kHz. Para a aquisição e processamento dos sinais, utiliza-se um sistema de aquisição de sinal, composto por um amplificador e uma placa de aquisição interligada a um computador (Figura 1 ). Com isso é possível promover o monitoramento do desgaste de forma adequada. O material da peça apresenta características que devem ser entendidas antes de aplicar o filtro, uma vez que a energia de ligação atómica e de formação das fases varia de material para material e com isso a faixa de frequência da quebra dessas ligações (deformação elástica e plástica) varia de material para material.
[0050] Após a aquisição da frequência do desgaste prevalecente faz- se a magnitude (9) dela com o sinal aquisitado *A_, de acordo com a equação 1 abaixo :
Magnitude = v: 2 e2 [1 ] [0051 ] Logo após, aplica-se a autocovariância (10) para encontrar a densidade de força espectral do sinal. De posse disso, acha-se a média da força do sinal através da área abaixo da curva da densidade de força espectral encontrada. Esse valor responde adequadamente ao desgaste de ferramenta e pode ser usado como controle para a troca da mesma.
[0052] Procede-se a modulação em amplitude e a aritmética de potencialização do sinal da equação 1 dos sinais A e B. As faixas de frequência referentes aos mecanismos de desgaste da ferramenta são potencializadas, uma vez que os outros mecanismos excitadores de EA foram suprimidos pelos filtros. A autocovariância tem a função de atenuar os sinais com pequena participação (ruídos e sinais discretos) e com isso gerar um sinal limpo de interferências, o que é representado em PSD (1 1 ) que demonstra a força do sinal no domínio da frequência. A média de PSD é uma forma de quantificar o desgaste da ferramenta, uma vez que ela mede toda a área do espectro excitado, e isso é monitorado até que atinja um patamar de falha.
[0053] A média da PSD (12) refere-se à magnitude do sinal projetado estatisticamente. Ela é obtida através da área abaixo da curva estimada da PSD. Ela é um forte instrumento para nortear o processo de desgaste através da EA, uma vez que diversos mecanismos atuam simultaneamente no processo de usinagem, e mensurá-los demonstra a taxa de desgaste que a ferramenta sofreu no sinal aquisitado. [0054] A tecnologia é constituída de um sensor de EA que é acoplado na ferramenta por meio de um imã e um meio condutor (vaselina) que tem como função transferir as ondas de EA geradas na ferramenta (1 ) para o sensor. Esse sensor (2) é conectado através de um condicionador de sinais (3), que além de alimentá-lo amplifica o sinal, preparando para a aquisição feita pela placa de aquisição acoplada em um computador (4). Este computador controla através de um software a aquisição e o tratamento do sinal de EA, conforme é relatado na presente invenção.
[0055] A tecnologia pode ser mais bem compreendida através dos seguintes exemplos, não limitantes.
EXEMPLO 1
[0056] Neste exemplo são apresentados alguns resultados utilizando a técnica proposta na presente invenção, monitorando o desgaste de ferramentas de metal duro sem recobrimento, com recobrimento AICrN e AICrN nanoestruturado usinando aço ABNT 4340 endurecido a 46 HRc em diversos parâmetros.
[0057] Avaliando as médias das PSDs dos sinais de EA em relação ao desgaste de flanco da ferramenta sem recobrimento usinando com velocidade de corte de 150 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm (Figura 3), pode-se observar que a média da força da PSD inicia-se com uma baixa energia (1 , 10 dB/Hz) no primeiro passe e, no segundo passe, a média cresce atingindo um patamar de 1 ,37 dB/Hz. Como a média é determinada pela área abaixo da curva estimada da PSD, se o sinal tiver uma amplitude maior terá por consequência uma área maior, sendo isso influenciado pela taxa de desgaste imposta à ferramenta ao longo dos 2 segundos de aquisição do sinal de EA, o que nessa ferramenta demonstra que os mecanismos de desgaste são mais atuantes no início do corte com a ferramenta. [0058] A curva característica das médias da PSD da ferramenta usada no torneamento com os seguintes parâmetros de corte: velocidade de corte de 150 m/min; avanço de 0,20 mm/rev e profundidade de corte de 0,25 mm em relação ao desgaste de flanco demonstra que a energia é alta (2,92 dB/Hz) no primeiro passe da ferramenta onde esta atinge um desgaste VBMAX de 0,295 mm, sofrendo um decréscimo no segundo passe (2,42 dB/Hz) com desgaste VBMAX de 0,506 mm e crescendo novamente no terceiro passe (2,99 dB/Hz) onde já em fim de vida, tem-se um VBMAX de 0,744 mm (Figura 4).
[0059] Ao analisar o crescimento linear do desgaste de flanco da ferramenta, nota-se que no primeiro passe há uma evolução de 0,295 mm, seguido de uma evolução de 0,21 1 mm no segundo passe e de 0,299 mm no terceiro passe (Figura 5). Ao confrontar esses valores com as médias das PSDs, nota-se que os valores são bem correlacionáveis. A evolução do desgaste do segundo passe (0,21 1 mm) apresenta a menor média de PSD (2,42 dB/Hz) e a evolução do último passe (0,299 mm) apresentou a maior média da PSD (2,99 dB/Hz).
[0060] Avaliando as médias da PSD em função do desgaste de flanco na ferramenta recoberta com AICrN utilizando os parâmetros de corte: velocidade de corte de 150 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,25 mm (Figura 6), nota-se que a média da PSD inicia-se com um valor de 1 ,44 dB/Hz no primeiro passe onde a ferramenta apresenta um desgaste de flanco de 0,06 mm, a média continua decrescendo até atingir seu menor valor (0,75 dB/Hz) ao obter um desgaste de flanco de 0,25 mm. Em seguida, as médias apresentam certa constância (de 0,83 dB/Hz a 1 ,02 dB/Hz) até que no fim de vida, a ferramenta com um desgaste de flanco de 0,607 mm apresente uma média de 2,06 dB/Hz.
[0061 ] Na ferramenta recoberta com AICrN utilizando velocidade de corte de 150 m/min, avanço de avanço do 0,10 mm/rev e profundidade de corte de 0,75 mm (Figura 7), visualiza-se a média da PSD com o valor de 1 ,93 dB/Hz tendo um desgaste de flanco de 0,248 mm no primeiro passe da ferramenta. Após isso, a média atenua decrescendo para 1 ,78 dB/Hz com um degaste de 0,420 mm. Daí então, a média da PSD aumenta chegando a um patamar de 3,17 dB/Hz no fim de vida da ferramenta (VBMAX = 0,732 mm). O comportamento da curva da média da PSD da ferramenta avaliada (Figura 8) segue o mesmo aspecto das médias da ferramenta torneando com velocidade de corte de 150 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,25 mm (Figura 6) onde se vê um grande valor no início do corte com a ferramenta, sofrendo atenuação do sinal no meio de vida da ferramenta e altos valores no fim de vida da ferramenta.
[0062] Na ferramenta com recobrimento AICrN usinando com velocidade de corte de 150 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm (Figura 8) nota-se que a média da PSD inicia-se com um patamar de 0,882 dB/Hz no desgaste de 0,121 mm e cai para 0,522 dB/Hz no desgaste de 0,192 mm. Após isso, a média cresce até atingir o valor de 2,22 dB/Hz no desgaste de 0,678 mm. Ao comparar com os sinais analisados até então, nota-se a formação de um comportamento típico da média de PSD, onde no início do corte há um valor de média alto, decrescendo durante a evolução do desgaste e crescendo novamente até o fim de vida ferramenta, sendo esta, geralmente é maior que no início do corte.
[0063] Comportamento análogo aos gráficos já demonstrados pode ser notado na Figura 1 1 que denota a média das PSDs em função do desgaste de flanco VBMAX da ferramenta com recobrimento de AICrN utilizando velocidade de corte de 150 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,75 mm. É interessante demonstrar que as médias tendem a diminuir seu patamar (Figuras 3 a 6) à medida que há um aumento de retirada de material (aumento do avanço e profundidade de corte), demonstrando que o aumento da temperatura age como um atenuador da amplitude de EA (TÕNSHOFF et al., 1999).
[0064] Analisando as médias de PSD em relação ao desgaste de flanco VBMAX da ferramenta recoberta com AICrN usando velocidade de corte de 150 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,25 mm (Figura 8) nota-se que a média do primeiro passe tem um valor de 1 ,71 dB/Hz. Já no segundo passe, a média decresce para 0,77 dB/Hz que é o menor valor encontrado no sinal de EA dessa ferramenta. Em seguida, o sinal sobe até o patamar de 2,1 1 dB/Hz que ocorre no fim de vida da ferramenta. O valor da média do segundo passe da ferramenta é bem discrepante do restante levando a crer que isso representa uma baixa excitação provocada por aumento da temperatura e que após isso mudou a geometria de corte da ferramenta.
[0065] No sinal referente à média da PSD em relação ao desgaste de flanco da ferramenta recoberta com AICrN usinada com velocidade de corte de 150 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,75 mm (Figura 9), observa que a média figura-se com um patamar baixo até o desgaste de flanco de 0,495 mm tendo um posterior crescimento após isso até alcançar a máxima de 6,08 dB/Hz no desgaste de flanco de 0,681 mm. Analisando todas as médias de PSD estudadas, a desta ferramenta em fim de vida foi a de maior valor apesar de não ser o maior desgaste de flanco. Diversos mecanismos atuam simultaneamente na ferramenta conforme já foi enumerado. Isso faz com que os sinais tenham alta amplitude e isso reflita na média da PSD.
[0066] Na usinagem com velocidade de corte de 200 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm com ferramenta recoberta por AICrN, as médias da PSD em relação ao desgaste de flanco (Figura 10) nota-se que a média no primeiro passe tem um valor de 1 ,51 dB/Hz com um desgaste de 0,041 mm. No segundo passe, a média decresce para 1 ,24 dB/Hz com um desgaste de flanco de 0,453 mm. A partir daí, a média cresce até atingir 2,09 dB/Hz com um desgaste de 0,771 mm. Esse sinal apresenta a característica típica das médias em relação ao desgaste estudado.
[0067] Nas médias da PSD em relação ao desgaste de flanco da ferramenta recoberta de AICrN com velocidade de corte de 200 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,75 mm (Figura 1 1 ) o sinal do primeiro passe tem praticamente o mesmo valor do segundo passe em fim de vida (1 ,77 dB/Hz do primeiro frente a 1 ,78 dB/Hz do segundo passe) denotando que as amplitudes dos mecanismos atuantes são praticamente os mesmos no início e no fim de vida da ferramenta.
[0068] Nas médias da PSD em relação ao desgaste de flanco da ferramenta recoberta com AICrN usinando com velocidade de corte de 200 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,25 mm (Figura 12) observa-se que a média inicia-se com um valor de 1 ,32 dB/Hz no primeiro passe com um VBMAX de 0,037 mm reduzindo para a 1 ,20 dB/Hz no segundo passe com um desgaste de flanco de 0,087 mm. No terceiro passe a média da PSD da EA sobe para 1 ,35 dB/Hz com um desgaste de 0,421 mm e no quarto cai para 0,86 dB/Hz que é o menor atingido com essa ferramenta. Após isso, a média cresce até atingir 1 ,39 dB/Hz no fim de vida da ferramenta. Nessa ferramenta as médias da PSD dos sinais de EA apresentam a mesma característica da maioria dos gráficos estudados aqui.
[0069] Analisando as médias da PSD dos sinais de EA da ferramenta recoberta com AICrN em função do desgaste de flanco com velocidade de corte de 200 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,75 mm (Figura 13) nota-se que a média da PSD no primeiro passe tem um valor baixo (0,59 dB/Hz) e no fim de vida, a média cresce para um valor de 0,79 dB/Hz. É interessante notar que as amplitudes decrescem à medida que aumenta a temperatura do processo (aumento dos parâmetros de corte). Os mecanismos de desgaste atuante no processo de corte, responsáveis pelo aumento da amplitude dos sinais de EA, são sobrepostos ao efeito da temperatura, que é um atenuante, fazendo com que o delta desta relação faça com que haja o aumento ou a diminuição da amplitude dos sinais. Neste caso, a ferramenta desgastou-se bruscamente no segundo passe (2,30 mm de VBMAX) e os mecanismos de excitadores de EA superaram a diminuição da temperatura.
[0070] Nas médias da PSD em relação ao desgaste de flanco da ferramenta recoberta com AICrN oriunda da usinagem com velocidade de corte de 250 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm (Figura 14) nota-se que a maior média (1 ,47 dB/Hz) foi alcançada no primeiro passe da ferramenta. No segundo e no terceiro passe, as médias apresentaram valores menores que o do primeiro passe tendo respectivamente de 1 ,13 dB/Hz e 1 ,37 dB/Hz. No segundo passe a ação da temperatura como atenuador do sinal de EA prevaleceu sobre os mecanismos de desgastes. No terceiro passe, o desgaste VBMAX apresenta um valor alto de 1 ,29 mm, tendo um delta de 0,755 mm em relação ao segundo passe, o que faz com que os mecanismos de desgastes superem a ação da temperatura e gere uma média maior, mas mesmo assim, não maior que o primeiro passe. As falhas de deposição e a falta de adesão em certos pontos podem ter sido a causa de o primeiro passe ter dado uma média maior que o terceiro.
[0071 ] A ferramenta recoberta com AICrN nanoestruturado torneando aço ABNT 4340 endurecido (47 HRC) com velocidade de corte de 150 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,25 mm apresentou médias de PSD em relação ao desgaste de flanco (Figura 15) seguindo o típico aspecto da curva, onde o sinal do primeiro passe tem alta energia (3,26 dB/Hz) sofrendo uma diminuição nos próximos passes (2,78 dB/Hz no quarto passe) até crescer novamente e atingir o maior valor no fim de vida da ferramenta (3,45 dB/Hz). O alto valor das médias demonstra que há alta interação dos mecanismos de desgastes e, juntamente com a maior interação química (nanoestruturado), faz com que os sinais de EA tenham maior amplitude.
[0072] Na ferramenta recoberta com AICrN nanoestruturado usinando com velocidade de corte de 150 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,75 mm, as médias PSD em função do desgaste de flanco (Figura 16) demonstram que os mecanismos de desgaste atuam intensamente no terceiro passe onde a ferramenta alcança o fim de vida (VBMAX = 0,65 mm). Nos primeiros dois passes, a média da PSD é praticamente a mesma (1 ,2 dB/Hz no primeiro passe e 1 ,18 dB/Hz no segundo). Geralmente as médias apresentam a seguinte característica: alta amplitude no início de vida da ferramenta, sofrendo uma atenuação durante o meio de vida e sofrendo um aumento novamente no fim de vida. Essa quase paridade entre o primeiro e o segundo passe é explicada pelo aumento dos mecanismos de desgaste atuante no segundo passe da ferramenta.
[0073] Nas médias de PSD em relação ao desgaste de flanco da ferramenta recoberta com AICrN nanoestruturado usinando com velocidade de corte de 150 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm (Figura 17) é possível observar que a média inicia-se com 2,79 dB/Hz com um desgaste de 0,072 mm, aumentando para 2,89 dB/Hz no desgaste de 0,09 mm. Após isso, as médias caem até atingir o patamar de 2,34 dB/Hz (o menor desta ferramenta) em 0,17 mm de VBMAX. Posteriormente a média cresce atingindo o patamar de 3,45 dB/Hz no desgaste de 0,122 mm e então oscila até alcançar o maior patamar com média de 3,82 dB/Hz com um desgaste de 0,608 mm. A interação entre a temperatura da usinagem e os mecanismos de desgaste (desgaste adesivo, desgaste abrasivo, movimento de deslocações, formação e propagação de microtrincas) faz com que o sinal de EA oscile e tenha o perfil do gráfico da Figura 17.
[0074] No torneamento usando velocidade de corte de 150 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,75 mm, as médias da PSD da ferramenta recoberta com AICrN nanoestruturado em relação ao desgaste de flanco (Figura 18) tem, no primeiro passe um valor de 3,39 dB/Hz com um desgaste VBMAX de 0,082 mm atenuando no segundo passe para 3,13 dB/Hz com um desgaste de 0,441 mm. No terceiro passe, que também corresponde ao fim de vida da ferramenta, a média atinge 4,07 dB/Hz com um desgaste de 1 ,043 mm, seguindo o comportamento típico das médias da PSD em relação ao desgaste de flanco.
[0075] Avaliando as médias da PSD em relação ao desgaste de flanco da ferramenta recoberta com AICrN nanoestruturado usinando com velocidade de corte de 150 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,25 mm (Figura 19) nota-se que a média do primeiro passe da ferramenta apresenta um valor de 2,57 dB/Hz com um desgaste de 0,126 mm o que se mantém no segundo passe com um desgaste de 0,136 mm. No terceiro passe, a média decresce e atinge seu menor patamar (2,39 dB/Hz) com um desgaste de flanco de 0,142 mm. A partir daí a média cresce novamente até atingir 2,46 dB/Hz onde oscila neste patamar até crescer no fim de vida da ferramenta (3,53 dB/Hz) com desgaste de 0,616 mm.
[0076] Na usinagem com a ferramenta recoberta por AICrN nanoestruturado utilizando velocidade de corte de 150 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,75 mm (Figura 20), a média da PSD no primeiro passe atinge um patamar de 4,21 dB/Hz com um desgaste de flanco de 0,1 14 mm, o que praticamente se repete no terceiro passe (4,22 dB/Hz) com um desgaste de 0,867 mm. No segundo passe, a média cai para 0,29 dB/Hz com um desgaste de 0,29 mm.
[0077] Nas médias da PSD em relação ao desgaste de flanco da ferramenta recoberta com AICrN nanoestruturado usinando com velocidade de corte de 200 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,25 mm (Figura 21 ) nota-se que a média no primeiro passe tem um valor de 3,07 dB/Hz com desgaste de 0,1 12 mm, crescendo no segundo passe para 3,64 dB/Hz com um desgaste de 0,128 mm. Após isso, a média decresce até atingir 2,89 dB/Hz no quarto passe com desgaste de 0,504 mm. No último passe, a média atinge seu maior patamar (3,74 dB/Hz) com um desgaste de 1 ,298 mm.
[0078] No gráfico desta ferramenta (Figura 22), a média do segundo passe é maior que a média do primeiro passe, o que foge da característica usual, denotando a mecanismos de iniciação e propagação de trincas, uma vez que este mecanismo nem sempre é visível na ferramenta ao analisar o desgaste de flanco.
[0079] Nas médias da PSD em relação ao desgaste de flanco da ferramenta recoberta com AICrN nanoestruturado usinando com velocidade de corte de 200 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm (Figura 23), nota-se o comportamento típico da curva média da PSD em relação ao desgaste de flanco, tendo uma alta energia no primeiro passe, diminuindo no passe subsequente devido a diminuição da taxa de desgaste e logo depois aumentando até atingir o maior nível no fim de vida devido a imposição de altas taxas de desgaste que fazem com que o sinal cresça.
[0080] Analisando as médias da PSD da ferramenta recoberta com AICrN nanoestruturado com velocidade de corte de 200 m/min, avanço de 0,20 mm/rev e profundidade de corte de 0,25 mm em função do desgaste de flanco (Figura 24) nota-se que no primeiro passe, a média alcança um patamar de 3,06 dB/Hz com um desgaste de flanco de 0,102 mm. Em seguida, a média cai até o terceiro passe alcançar um valor de 2,41 dB/Hz com um desgaste de 0,431 mm. No último passe, a média cresce para 5,79 dB/Hz com um desgaste de 0,774 mm.
[0081 ] Na ferramenta recoberta com AICrN nanoestruturado usinando com velocidade de corte de 250 m/min, avanço de 0,10 mm/rev e profundidade de corte de 0,25 mm, as médias da PSD em função do desgaste de flanco (Figura 25) demonstra uma média menor no início da vida ferramenta. Nela, nota-se um desgaste de flanco de 0,437 mm com uma média de 3,42 dB/Hz no primeiro passe e 4,51 dB/Hz no segundo passe com um desgaste de 1 ,033 mm. Como o desgaste do último passe foi elevado e superou a interferência do aumento da temperatura no sinal de EA, a média tornou-se muito maior que a do primeiro passe (Figura 25).
[0082] Nas médias de PSD referente ao torneamento usando ferramenta recoberta com AICrN nanoestruturado com velocidade de corte de 250 m/min, avanço de 0,15 mm/rev e profundidade de corte de 0,25 mm em relação ao desgaste de flanco (Figura 26), nota-se um perfil típico do gráfico, tendo o primeiro passe com uma média relativamente alta, tendo uma redução no segundo passe e crescendo novamente no último passe da ferramenta.
[0083] Nota-se que as médias da PSD das ferramentas com AICrN nanoestruturado foram as que apresentaram maiores amplitudes (Figura 27), seguidos pelas médias das ferramentas com AICrN. Apesar dos testes feitos em ambos os recobri mentos não terem detectado variação de composição química entre eles, a maior amplitude das médias de PSD no recobrimento nanoestruturado indica que há maior número de ligações sendo movimentadas dando subsídios ao que o fornecedor diz sobre o mesmo. [0084] Pode-se concluir com estes experimentos que, quando os ensaios não sofreram interferências de temperatura de usinagem e, consequentemente, mudança de geometria de corte da usinagem que atenua o sinal de EA, os valores foram muito correlacionáveis, seguindo a lógica do aumento da PSD do sinal de EA em decorrência do aumento do desgaste do material de usinagem, comprovando a eficiência da presente invenção.

Claims

REIVINDICAÇÕES
1 . Método para selecionar e amplificar sinais de desgaste caracterizado por compreender as seguintes etapas:
a) Aplicar a técnica de modulação em amplitude com faixa lateral dupla com portadora suprimida em uma frequência equivalente a pelo menos duas vezes a frequência característica dos mecanismos de desgaste; b) Realizar a operação da equação 1 , onde A e B correspondem aos sinais resultantes das etapas de filtragem e modulação do sinal;
c) Aplicar a autocovariância no sinal obtido na etapa ¾_ originando a densidade de força espectral do sinal (PSD);
d) Determinar a média da força do sinal através do cálculo da integral da curva da PSD encontrada no item c_.
2. Dispositivo para selecionar e amplificar sinais de desgaste caracterizado por compreender um sensor piezoelétrico que é acoplado à ferramenta a ser analisada, conectado a um condicionador de sinais, e um software capaz de realizar as operações matemáticas definidas na reivindicação 1 .
3. Uso do método definido na reivindicação 1 , caracterizado por ser para detectar a vida útil de ferramentas, monitorar materiais sujeitos a desgaste e acompanhar falhas.
4. Uso do dispositivo definido na reivindicação 2, caracterizado por ser para detectar a vida útil de ferramentas, monitorar materiais sujeitos a desgaste e acompanhar falhas.
PCT/IB2017/051663 2016-03-22 2017-03-22 Método e dispositivo para selecionar e amplificar sinais de desgaste por meio de emissão acústica e usos WO2017163201A1 (pt)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
BRBR1020160063140 2016-03-22
BR102016006314-0A BR102016006314B1 (pt) 2016-03-22 Método e dispositivo para selecionar e amplificar sinais de desgaste por meio de emissão acústica e usos

Publications (1)

Publication Number Publication Date
WO2017163201A1 true WO2017163201A1 (pt) 2017-09-28

Family

ID=59914228

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/IB2017/051663 WO2017163201A1 (pt) 2016-03-22 2017-03-22 Método e dispositivo para selecionar e amplificar sinais de desgaste por meio de emissão acústica e usos

Country Status (1)

Country Link
WO (1) WO2017163201A1 (pt)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11486202B2 (en) 2021-02-26 2022-11-01 Saudi Arabian Oil Company Real-time polycrystalline diamond compact (PDC) bit condition evaluation using acoustic emission technology during downhole drilling
US11566988B2 (en) 2021-02-26 2023-01-31 Saudi Arabian Oil Company In-situ property evaluation of cutting element using acoustic emission technology during wear test
US11680883B2 (en) 2021-02-26 2023-06-20 Saudi Arabian Oil Company Sensors to evaluate the in-situ property of cutting element during wear test

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4332161A (en) * 1979-01-31 1982-06-01 Nl Circuit Design Block Co., Ltd. Acoustic detection of tool wear and fracture
US4658245A (en) * 1983-04-29 1987-04-14 The Warner & Swasey Company Tool condition and failure monitoring apparatus and method
BR8805115A (pt) * 1988-09-20 1989-01-03 Brasitest S A Procedimento de ensaio por emissao acustica em estruturas e componentes metalicos atraves de monitoramento durante solicitacao mecanica
BR9712112A (pt) * 1996-09-30 1999-08-31 Ford Motor Co Método para especificar testes de vibração randómicos para validação da durabilidade do produto.
RU2298454C1 (ru) * 2005-12-07 2007-05-10 Государственное образовательное учреждение высшего профессионального образования "Комсомольский-на-Амуре государственный технический университет" (ГОУВПО "КнАГТУ") Способ определения стойкостных параметров режущего инструмента

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4332161A (en) * 1979-01-31 1982-06-01 Nl Circuit Design Block Co., Ltd. Acoustic detection of tool wear and fracture
US4658245A (en) * 1983-04-29 1987-04-14 The Warner & Swasey Company Tool condition and failure monitoring apparatus and method
BR8805115A (pt) * 1988-09-20 1989-01-03 Brasitest S A Procedimento de ensaio por emissao acustica em estruturas e componentes metalicos atraves de monitoramento durante solicitacao mecanica
BR9712112A (pt) * 1996-09-30 1999-08-31 Ford Motor Co Método para especificar testes de vibração randómicos para validação da durabilidade do produto.
RU2298454C1 (ru) * 2005-12-07 2007-05-10 Государственное образовательное учреждение высшего профессионального образования "Комсомольский-на-Амуре государственный технический университет" (ГОУВПО "КнАГТУ") Способ определения стойкостных параметров режущего инструмента

Non-Patent Citations (8)

* Cited by examiner, † Cited by third party
Title
M. SEGLA ET AL.: "Bearing fault diagnosis with an improved high frequency resonance technique", IEEE 10TH INT. CONF. ON INDUSTRIAL INFORMATICS, 25 July 2012 (2012-07-25), Beijing, pages 580 - 585, XP032235395, Retrieved from the Internet <URL:http://ieeexplore.ieee.org/stamp/stamp.jsp?tp=&arnumber=6301378&isnumber=6300337> *
MAIA, L.H.A. ET AL.: "A new approach for detection of wear mechanisms and determination of tool life in turning using acoustic emission", TRIBOLOGY INTERNATIONAL, vol. 92, 7 August 2015 (2015-08-07), pages 519 - 532, ISSN: 0301-679X, Retrieved from the Internet <URL:http://www.sciencedirect.com/science/article/pii/S0301679X15003151> *
MARINESCU, I. ET AL.: "A critical analysis of effectiveness of acoustic emission signals to detect tool and workpiece malfunctions in milling operations", INT. J. OF MACHINE TOOLS & MANUFACTURE, vol. 48, 8 February 2008 (2008-02-08), pages 1148 - 1160, XP022673508, Retrieved from the Internet <URL:http://www.sciencedirect.com/science/article/pii/S0890695508000266> doi:10.1016/j.ijmachtools.2008.01.011 *
MOSLEHI, B.: "Analysis of optical phase noise in fiber-optic systems employing a laser source with arbitrary coherence time", J. OF LIGHTWAVE TECHNOLOGY, vol. 4, no. 9, 30 September 1986 (1986-09-30), pages 1334 - 1351, Retrieved from the Internet <URL:http:/ieeexplore.ieee.org/stamp/stamp).jsp?to=&arnumber=1074894&isnumber=23158> *
SHEEN, Y.-T. ET AL.: "An analysis method for the vibration signal with amplitude modulation in a bearing system", JOURNAL OF SOUND AND VIBRATION, vol. 303, no. 3-5, 2 April 2007 (2007-04-02), pages 538 - 552, XP022046553, Retrieved from the Internet <URL:http://www.sciencedirect.com/science/article/pii/S0022460X0700106X?via%3Dihub> *
SOUTO, U. B: "Monitoramento do desgaste de ferramenta no processo de fresamento via emissao acustica", TESE DE DOUTORADO, UNIVERSIDADE FEDERAL DE UBERLÂNDIA, 30 March 2007 (2007-03-30), Retrieved from the Internet <URL:https://repositono.ufu.br/bitstream/123456789/14788/1/UBSoutoTES01PRT.pdf> *
TETI, R. ET AL.: "Advanced monitoring of machining operations", CIRP ANNALS - MANUFACTURING TECHNOLOGY, vol. 59, 1 July 2010 (2010-07-01), pages 717 - 739, XP027205232, Retrieved from the Internet <URL:http://wvw.sciencedirect.com/science/article/pii/S0007850610001976> *
VILHELM, J. ET AL.: "Application of autocorrelation analysis for interpreting acoustic emission in rock", INT. J. OF ROCK MECHANICS & MINING SCIENCES, vol. 45, 21 February 2008 (2008-02-21), pages 1068 - 1081, XP022669081, ISSN: 1365-1609, Retrieved from the Internet <URL:http://www.sciencedirect.cora/science/article/pii/S1365160907001815> *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11486202B2 (en) 2021-02-26 2022-11-01 Saudi Arabian Oil Company Real-time polycrystalline diamond compact (PDC) bit condition evaluation using acoustic emission technology during downhole drilling
US11566988B2 (en) 2021-02-26 2023-01-31 Saudi Arabian Oil Company In-situ property evaluation of cutting element using acoustic emission technology during wear test
US11680883B2 (en) 2021-02-26 2023-06-20 Saudi Arabian Oil Company Sensors to evaluate the in-situ property of cutting element during wear test

Also Published As

Publication number Publication date
BR102016006314A2 (pt) 2017-09-26
BR102016006314A8 (pt) 2022-08-16

Similar Documents

Publication Publication Date Title
Park et al. Impedance-based structural health monitoring for temperature varying applications
US7397421B2 (en) Method for detecting acoustic emission using a microwave Doppler radar detector
Anton et al. Reference-free damage detection using instantaneous baseline measurements
Goldaran et al. Application of acoustic emission for damage classification and assessment of corrosion in pre-stressed concrete pipes
WO2017163201A1 (pt) Método e dispositivo para selecionar e amplificar sinais de desgaste por meio de emissão acústica e usos
CN103134679B (zh) 轴承状态监视方法以及轴承状态监视装置
Taylor et al. Full-scale fatigue tests of CX-100 wind turbine blades. Part II: analysis
Ohtsu et al. Principles of the acoustic emission (AE) method and signal processing
de Souza Rabelo et al. Impedance-based structural health monitoring incorporating compensation of temperature variation effects
BR102016006314B1 (pt) Método e dispositivo para selecionar e amplificar sinais de desgaste por meio de emissão acústica e usos
Jeffers et al. A novel technique for the measurement of blade damping using piezoelectric actuators
Li et al. Diagnostics and prognostics of a single surface defect on roller bearings
Anton et al. On piezoelectric Lamb wave-based structural health monitoring using instantaneous baseline measurements
JPH11352042A (ja) 岩盤の損傷度診断方法
Livings et al. Feasibility of detecting fatigue damage in composites with coda waves
Paulus et al. Effect of resonant frequency shifting on time to failure of a cantilevered beam under vibration
Bruni et al. A preliminary analysis about the application of acoustic emission and low frequency vibration methods to the structural health monitoring of railway axles
Winston et al. Structural health monitoring with piezoelectric active sensors
Rickli et al. Damage detection in assembly fixtures using non-destructive electromechanical impedance sensors and multivariate statistics
JPS60228912A (ja) 配管・容器等の腐食監視方法
Gill et al. Measurement of damage progression in open hole tension tests
Carboni et al. A study on the performance of acoustic emission and low frequency vibration methods to the real-time condition monitoring of railway axles
Anton et al. Instantaneous structural damage identification using piezoelectric-based Lamb wave propagation
Mills-Dadson et al. Acoustic emission monitoring of unstable damage growth in CFRP composites under tension
Okwu et al. CRACK DETECTION IN STRUCTURES USING VIBRATION MODAL PARAMETERS AND TIME DOMAIN RESPONSE

Legal Events

Date Code Title Description
NENP Non-entry into the national phase

Ref country code: DE

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 17769551

Country of ref document: EP

Kind code of ref document: A1

122 Ep: pct application non-entry in european phase

Ref document number: 17769551

Country of ref document: EP

Kind code of ref document: A1