| 1 |
1
스핀들에 장착되는 다수의 공구날을 포함하는 하나 이상의 절삭 공구를 포함하고 다수의 축으로 구동되어 피삭재를 절삭하는 절삭 가공 기기의 절삭력을 추정하기 위한 가공 예측 모델 생성 방법으로서, (b) 데이터 전처리부(100)에 미리 수집된 공구날 수(number of tooth)에 대한 정보를 포함하는 절삭 공구 정보(13)와, 미리 설정된 스핀들 RPM 설정값에 대한 정보를 포함하는 가공실험 정보(14)를 포함하는 공정 변수 데이터(10), 측정되는 스핀들 RPM에 대한 정보를 포함하는 CNC정보(21), 측정되는 절삭력 측정 정보를 포함하는 동력계 정보(22) 및 센서 정보(23)를 포함하는 모니터링 데이터(20), 시간에 따른 절삭력 시뮬레이션 정보를 포함하는 기저장된 시뮬레이션 데이터(30)가 입력되면, 상기 데이터 전처리부(100)가 상기 모니터링 데이터(20)가 포함하는 상기 절삭력 측정 정보와 상기 시뮬레이션 데이터(30)가 포함하는 상기 절삭력 시뮬레이션 정보를 동기화하여 절삭력 동기화 정보를 생성하고, 상기 공정 변수 데이터(10), 상기 모니터링 데이터(20) 및 상기 절삭력 동기화 정보를 포함하는 통합 데이터 셋을 생성하는 단계;(c) 상기 데이터 전처리부(100)가 상기 통합 데이터 셋에서 변수 선택(feature selection)하는 단계;(d) 상기 데이터 전처리부(100)는 상기 변수 선택된 데이터를 모델링부(200)로 전송하는 단계; 및(e) 상기 모델링부(200)는 변수 선택된 데이터를 모델링하여 절삭력을 추정하는 가공 예측 모델을 생성하는 단계; 를 포함하고,상기 절삭력 시뮬레이션 정보는 주기를 갖는 값이며, 상기 (b)단계는,(b1) 상기 데이터 전처리부(100)는, 상기 입력된 상기 공구 정보(13)와 상기가공실험 정보(14)로 공구날 주파수(Tooth passing frequency)를 연산하고, 상기 연산된 공구날 주파수의 역수를 모니터링 데이터 주기로 설정하는 단계;(b2) 상기 데이터 전처리부(100)는 입력된 상기 모니터링 데이터(20)에서, 상기 설정된 상기 모니터링 데이터 주기마다 기설정된 횟수만큼의 상기 절삭력 측정 정보를 추출하는 단계;(b3) 상기 데이터 전처리부(100)는, 입력된 상기 시뮬레이션 데이터(30)에서 상기 절삭력 시뮬레이션 정보의 주기를 판단하고, 상기 판단된 절삭력의 주기마다 상기 기설정된 횟수만큼의 절삭력 시뮬레이션 정보를 추출하는 단계; 및(b4) 상기 데이터 전처리부(100)는 상기 (b2)단계에서 추출한 절삭력 측정정보와 상기 (b3)단계에서 추출한 절삭력 시뮬레이션 정보를 동기화하여 절삭력 동기화 정보를 생성하고, 상기 입력된 모니터링 데이터(20)와 상기 절삭력 동기화 정보를 포함하는 통합 데이터 셋을 생성하는 단계; 를 포함하는,방법
|
| 2 |
2
삭제
|
| 3 |
3
제1항에 있어서,상기 (c)단계는,상기 데이터 전처리부(100)가 상기 통합데이터 셋에 포함된 각각의 정보를 서로 상관계수를 기반으로, 다수의 데이터 중 절삭력, 상기 절삭 가공 기기의 다수의 축 및 스핀들의 3상 전류 및 전압, 절삭 공구의 공구날 정보, 스핀들 RPM 및 스핀들 이송 속도를 추출하여 변수 선택하는 단계를 포함하는, 방법
|
| 4 |
4
제1항에 있어서,상기 가공실험 정보(14)는 스핀들 이송 속도, 피삭재의 절삭 폭 및 피삭재의 절입 깊이에 대한 정보를 더 포함하고,상기 센서 정보(23)는 기기에서 측정되는 상기 절삭 가공 기기의 다수의 축 및 스핀들의 3상 전류 및 전압, 스핀들의 X, Y방향 가속도 및 소음에 대한 정보를 더 포함하고,상기 CNC정보(21)는 기기 동작 시간, 상기 절삭 가공 기기의 다수의 축의 위치, 상기 절삭 가공 기기의 다수의 축과 스핀들에 걸리는 부하, 스핀들 RPM에 대한 정보를 더 포함하는, 방법
|
| 5 |
5
제1항에 있어서,상기 공정 변수 데이터(10)는,피삭재의 소재 정보를 포함하는 피삭재 정보(11) 및 가공하는 기기 종류를 포함하는 기기 정보(12)를 더 포함하는,방법
|
| 6 |
6
제1항에 있어서, 상기 (e)단계는,상기 모델링부(200)가 상기 변수 선택된 데이터를 정규화(normalize)하고 인공신경망을 생성하여 상기 가공 예측 모델을 생성하는 단계를 포함하는,방법
|
| 7 |
7
제1항에 있어서, 상기 (e)단계는,상기 모델링부(200)가 상기 변수 선택된 데이터를 정규화하고 LSTM을 수행하여 상기 가공 예측 모델을 생성하는 단계를 포함하는,방법
|
| 8 |
8
제1항에 있어서, 상기 (e)단계는,상기 모델링부(200)가 상기 변수 선택된 데이터를 랜덤 포레스트(random forest)를 수행하여 상기 가공 예측 모델을 생성하는 단계를 포함하는,방법
|
