Synergetic approach to improve the efficiency of machining process control on metal-cutting machines

Cover Page

Cite item

Full Text

Abstract

Introduction. The efficiency of processing on metal-cutting machines is evaluated by the reduced cost of producing a batch of parts while ensuring the required quality. In modern production, parts are usually made on CNC machines. Today the CNC program and the trajectories of the machine tool actuators match each other with high accuracy, which, however, does not yet guarantee quality and efficiency of production. The definition of the CNC program is based on the knowledge base of rational modes, tools, coolant and etc. during processing. This base reflects some averaging over the set of machines, tools and processing conditions, and does not take into account changes in the properties of the dynamic system in the process of cutting. Subject. The paper deals with the synergistic matching of external control (CNC programs) and cutting dynamics (internal control). The internal control factors can be set a priori, as well as determined as a result of the influence of irreversible energy transformations in the cutting zone. The purpose of the work is to determine the law of controlling the trajectories of the machine's executive elements in such a way that, with changing properties of the dynamic cutting system, the required surface quality of the part and minimizing the intensity of tool wear are ensured during the processing of the part. Method and methodology. Mathematical simulation of the controlled dynamic system, which properties change due to the a priori set laws of variation of subsystem parameters, as well as changes in the cutting properties conditioned by the power of irreversible energy transformation is presented. Consideration of the power of irreversible energy transformations is necessary for predicting back-edge wear, changes in dynamic coupling parameters, and evolutionary restructuring of cutting dynamics. Results and Discussion. The regularity of matching the CNC program with the changing properties of the cutting process, which allows increasing the processing efficiency while ensuring the required quality of parts, is disclosed. A number of properties of the dynamic cutting system caused by changing trajectory of the longitudinal feed rate of the tool during processing of the shaft, the stiffness change of which is given, are revealed and analyzed.

About the authors

V. L. Zakovorotny

Email: vzakovorotny@dstu.edu.ru
D.Sc. (Engineering), Professor, Don State Technical University, 1 Gagarin square, Rostov-on-Don, 344000, Russian Federation, vzakovorotny@dstu.edu.ru

V. E. Gvindjiliya

Email: sinedden@yandex.ru
Post-graduate Student, Don State Technical University, 1 Gagarin square, Rostov-on-Don, 344000, Russian Federation, sinedden@yandex.ru

References

  1. Haken H. Information and self-organization: a macroscopic approach to complex systems. – Amsterdam: Elsevier, 2006. – 258 p. – ISBN 978-3-540-33021-9. – doi: 10.1007/3-540-33023-2.
  2. Prigogine I., George C. The second law as a selection principle: the microscopic theory of dissipative processes in quantum systems // Proceedings of the National Academy of Sciences of the United States of America. – 1983. – Vol. 80. – P. 4590–4594.
  3. Эбелинг В., Энгель А., Файстель Р. Физика процессов эволюции. – М.: УРСС, 2001. – 328 с.
  4. Николис Дж. Динамика иерархических систем. – М.: Мир, 1989. – 488 с.
  5. Колесников А.А. Прикладная синергетика: основы системного синтеза. – Таганрог: ЮФУ, 2007. – 384 с.
  6. Колесников А.А. Синергетическая теория управления. – М.: Энергоатомиздат, 1994. – 344 с. – ISBN 5-230-24678-2.
  7. Колесников А.А., Кузьменко А.А. Метод АКАР и теория адаптивного управления в задачах синтеза нелинейных систем управления // Мехатроника, автоматизация, управление. – 2017. – Т. 18, № 9. – С. 579–589. – doi: 10.17587/mau.18.579-589.
  8. Колесников А.А., Колесников Ал.А., Кузьменко А.А. Методы АКАР и АКОР в задачах синтеза нелинейных систем управления // Мехатроника, автоматизация, управление. – 2016. – Т. 17, № 10. – С. 657–669. – doi: 10.17587/mau.17.657-669.
  9. Заковоротный В.Л., Флек М.Б., Фам Д.Т. Синергетическая концепция при построении систем управления точностью изготовления деталей сложной геометрической формы // Вестник Донского государственного технического университета. – 2011. – Т. 11, № 10 (61). – С. 1785–1797.
  10. Zakovorotny V.L., Gubanova A.A., Lukyanov A.D. Stability of shaping trajectories in milling: Synergetic concepts // Russian Engineering Research. – 2016. – Vol. 36 (11). – P. 956–964. – doi: 10.3103/S1068798X16110216.
  11. Zakovorotny V.L., Gubanova A.A., Lukyanov A.D. Parametric self-excitation of a dynamic end-milling machine // Russian Engineering Research. – 2016. – Vol. 36 (12). – P. 1033–1039. – doi: 10.3103/S1068798X16120194.
  12. Zakovorotny V.L., Gvindjiliya V.E. Influence of spindle wobble in a lathe on the tool’;s deformational-displacement trajectory // Russian Engineering Research. – 2018. – Vol. 38 (8). – P. 623–631. – doi: 10.3103/S1068798X1808018X.
  13. Zakovorotny V.L., Bykador V.S. Cutting-system dynamics // Russian Engineering Research. – 2016. – Vol. 36 (7). – P. 591–598. – doi: 10.3103/S1068798X16070182.
  14. Zakovorotny V.L., Flek M.B., Ugnich E.A. Synergetic approach to the modeling of industrial enterprise’;s economic activity // International Journal of Economic Perspectives. – 2016. – Vol. 10 (4). – P. 371–375.
  15. Заковоротный В.Л., Шаповалов В.В. Динамика транспортных трибосистем // Сборка в машиностроении, приборостроении. – 2005. – № 12. – С. 19–24.
  16. Рыжкин А.А. Синергетика изнашивания инструментальных материалов при лезвийной обработке. – Ростов н/Д.: Донской гос. техн. ун-т, 2019. – 289 с. – ISBN 978-5-7890-1669-5.
  17. Старков В.К. Физика и оптимизация резания материалов. – М.: Машиностроение, 2009. – 640 с.
  18. Мигранов М.Ш. Исследования изнашивания инструментальных материалов и покрытий с позиций термодинамики и самоорганизации // Известия вузов. Машиностроение. – 2006. – № 11. – С. 65–71.
  19. Каримов И.Г. Влияние температуры резания на энергетические параметры контакта инструмента с деталью // Вестник УГАТУ. – 2012. – Т. 16, № 44 (49). – С. 85–89.
  20. Non-equilibrium work distribution for interacting colloidal particles under friction / J.R. Gomez-Solano, C. July, J. Mehl, C. Bechinger // New Journal of Physics. – 2015. – Vol. 17. – P. 045026. – doi: 10.1088/1367-2630/17/4/045026.
  21. Banjac M. Friction and wear processes-thermodynamic approach // Tribology in Industry. – 2014. – Vol. 36, N 4. – P. 341–347.
  22. Abdel-Aal H.A. Thermodynamic modeling of wear // Encyclopedia of Tribology. – Boston, MA: Springer, 2013. – P. 3622–3636. – doi: 10.1007/978-0-387-92897-5_1313.
  23. Duyun T.A., Grinek A.V., Rybak L.A. Methodology of manufacturing process design, providing quality parameters and minimal costs // World Applied Sciences Journal. – 2014. – Vol. 30 (8). – P. 958–963. – doi: 10.5829/idosi.wasj.2014.30.08.14120.
  24. Mukherjee I., Ray P.K. A review of optimization techniques in metal cutting processes // Computers and Industrial Engineering. – 2006. – Vol. 50, N 12. – P. 15–34. – DOI: /10.1016/j.cie.2005.10.001.
  25. Патент 2538750 Российская Федерация. Способ определения оптимальной скорости резания в процессе металлообработки / Козочкин М.П., Федоров С.В., Терешин М.В. – № 2013123625/02; заявл. 23.05.2013; опубл. 10.01.2015.
  26. Зариктуев В.Ц. Автоматизация процессов на основе положения об оптимальной температуре резания // Вестник УГАТУ. – 2009. – Т. 12, № 4. – С. 14–19.
  27. Лапшин В.П., Христофорова В.В., Носачев С.В. Взаимосвязь температуры и силы резания с износом и вибрациями инструмента при токарной обработке металлов // Обработка металлов (технология, оборудование, инструменты). – 2020. – Т. 22, № 3. – C. 44–58. – doi: 10.17212/1994-6309-2020-22.3-44-58.
  28. Lapshin V., Moiseev D., Minakov V. Diagnosing cutting tool wear after change of cutting forces during turning // AIP Conference Proceedings. – 2019. – Vol. 2188. – P. 030001. – doi: 10.1063/1.5138394.
  29. Begic-Hajdarevic D., Cekic A., Kulenovic M. Experimental study on the high speed machining of hardened steel // Procedia Engineering. – 2014. – Vol. 69. – P. 291–295. – doi: 10.1016/j.pro-eng.2014.02.234.
  30. Flushing strategies for high performance, efficient and environmentally friendly cutting / P. Blau, K. Busch, M. Dix, C. Hochmuth, A. Stoll, R. Wertheim // Procedia CIRP. – 2015. – Vol. 26. – P. 361–366. – doi: 10.1016/j.procir.2014.07.058.
  31. Chin C.-H., Wang Y.-C., Lee B.-Y. The effect of surface roughness of end-mills on optimal cutting performance for high-speed machining // Strojniski Vestnik = Journal of Mechanical Engineering. – 2013. – Vol. 52 (2). – P. 124–134. – doi: 10.5545/sv-jme.2012.677.
  32. Kant G., Sangwan K.S. Prediction and optimization of machining parameters for minimization power consumption and surface roughness in machining // Journal of Cleaner Production. – 2014. – Vol. 83. – P. 151–164. – doi: 10.1016/j.jclepro.2014.07.073.
  33. Martinov G., Martinova L., Ljubimov A. From classic CNC systems to cloud-based technology and back // Robotics and Computer-Integrated Manufacturing. – 2020. – Vol. 63. – doi: 10.1016/j.rcim.2019.101927.
  34. Martinov G.M., Kovalev I.A., Grigoriev A.S. Аpproach to building an autonomous cross-platform automation controller based on the synthesis of separate modules // Advances in Automation. RusAutoCon 2019. – Cham: Springer, 2020. – P. 128–136. – doi: 10.1007/978-3-030-39225-3_15.
  35. Сосонкин В.Л., Мартинов Г.М. Новейшие тенденции в области архитектурных решений систем ЧПУ // Автоматизация в промышленности. – 2005. – № 4. – С. 3–9.
  36. Approach to the diagnosis and configuration of servo drives in heterogeneous machine control systems / G.M. Martinov, S.V. Sokolov, L.I. Martinova, A.S. Grigoryev, P.A. Nikishechkin // Advances in swarm intelligence. ICSI 2017 / ed. by Y. Tan, H. Takagi, Y. Shi, B. Niu. – Cham: Springer, 2017. – P. 586–594. – (Lecture Notes in Computer Science; vol. 10386). – doi: 10.1007/978-3-319-61833-3_62.
  37. Sang Z., Xu X., The framework of a cloud-based CNC system // Procedia CIRP. – 2017. – Vol. 63. – P. 82–88. – doi: 10.1016/j.procir.2017.03.152.
  38. Мартинов Г.М., Козак Н.В., Никишечкин П.А. Решение задачи резервирования в станках с числовым программным управлением // СТИН. – 2020. – № 7. – С. 2–7.
  39. Базров Б.М., Балакшин Б.С. Адаптивное управление станками. – М.: Машиностроение, 1973. – 688 с.
  40. Математическая модель уточнения режимов резания для обеспечения точности токарной обработки нежёстких валов на станках с ЧПУ / А.А. Жданов, А.Л. Плотников, Ю.Л. Чигиринский, И.В. Фирсов // Научные труды SWorld. – 2015. – Т. 3, № 4 (41). – С. 41–47.
  41. Никишечкин П.А., Григорьев А.С. Практические аспекты разработки модуля диагностики и контроля режущего инструмента в системе ЧПУ // Вестник МГТУ СТАНКИН. – 2013. – № 4 (27). – C. 65–70.
  42. Бобровский А.В., Драчев О.И. Технология механической обработки маложестких осесимметричных деталей // Известия Волгоградского государственного технического университета. – 2019. – № 9 (232). – С. 15–17.
  43. Драчев О.И. Система автоматического управления эксплуатационной точностью длинномерных валов // Известия Волгоградского государственного технического университета. – 2017. – № 5 (200). – С. 18–20.
  44. Казаков А.В., Жолобов А.А. Прогнозирование и обеспечение точности токарной обработки ступенчатых валов // Вестник Белорусско-Российского университета. – 2014. – № 1 (42). – C. 6–14.
  45. Кудинов В.А. Динамика станков. – М.: Машиностроение, 1967. – 359 с.
  46. Воронов С.А., Киселев И.А. Нелинейные задачи динамики процессов резания // Машиностроение и инженерное образование. – 2017. – № 2 (51). – С. 9–23.
  47. Nonlinear dynamics of a machining system with two interdependent delays / A.M. Gouskov, S.A. Voronov, H. Paris, S.A. Batzer // Communications in Nonlinear Science and Numerical Simulation. – 2002. – Vol. 7. – P. 207–221. – doi: 10.1016/s1007-5704(02)00014-x.
  48. A prediction method of cutting force coefficients with helix angle of flat-end cutter and its application in a virtual three-axis milling simulation system / Y.-C. Kao, N.-T. Nguyen, M.-S. Chen, S.T. Su // The International Journal of Advanced Manufacturing Technology. – 2015. – Vol. 77, N 9–12. – P. 1793–1809. – doi: 10.1007/s00170-014-6550-8.
  49. Stepan G., Insperge T., Szalai R. Delay, parametric excitation, and the nonlinear dynamics of cutting processes // International Journal of Bifurcation and Chaos. – 2005. – Vol. 15, N 9. – P. 2783–2798. – doi: 10.1142/S0218127405013642.
  50. Corpus W.T., Endres W.J. Added stability lobes in machining processes that exhibit periodic time variation – Part 1: An analytical solution // Journal of Manufacturing Science and Engineering. – 2004. – Vol. 126. – P. 467–474. – doi: 10.1115/1.1765137.
  51. Impact of the cutting dynamics of small radial immersion milling operations on machined surface roughness / G. Peigne, H. Paris, D. Brissaud, A. Gouskov // International Journal of Machine Tools and Manufacture. – 2004. – Vol. 44. – P. 1133–1142. – doi: 10.1016/j.ijmachtools.2004.04.012.
  52. The parametric effect and optimization on JIS S45C steel turning / H. Hadi, L. Tajul, Z.A. Zailani, M.F.M.A. Hamzas, M.S. Hussin // International Journal of Engineering Science and Technology. – 2011. – Vol. 3, N 5. – P. 4479–4487.
  53. Rusinek R., Wiercigroch M., Wahi P. Influence of tool flank forces on complex dynamics of a cutting process // International Journal of Bifurcation and Chaos. – 2014. – Vol. 24 (9). – P. 189–201. – doi: 10.1142/S0218127414501156.
  54. Rusinek R., Wiercigroch M., Wahi P. Modeling of frictional chatter in metal cutting // International Journal of Mechanical Sciences. – 2014. – Vol. 89. – P. 167–176. – doi: 10.1016/j.ijmecsci.2014.08.020.
  55. Заковоротный В.Л., Гвинджилия В.Е. Связь самоорганизации динамической системы резания с изнашиванием инструмента // Известия высших учебных заведений. Прикладная нелинейная динамика. – 2020. – Т. 28, № 1. – С. 46–61. – doi: 10.18500/0869-6632-2020-28-1-46-61.
  56. Заковоротный В.Л., Гвинджилия В.Е. Бифуркации притягивающих множеств деформационных смещений режущего инструмента в ходе эволюции свойств процесса обработки // Известия высших учебных заведений. Прикладная нелинейная динамика. – 2018. – Т. 26, № 5. – С. 20–38. – doi: 10.18500/0869-6632-2018-26-5-20-38.
  57. Lapshin V.P., Turkin I.A., Khristoforova V.V. Аssessment of metal wear in turning on the basis of components of the cutting force // Russian Engineering Research. – 2020. – Vol.  40, N 9. – P. 797–800.
  58. Заковоротный В.Л., Гвинджилия В.Е. Влияние динамики резания на выбор технологических режимов, обеспечивающих минимальное изнашивание режущих инструментов // Обработка металлов (технология, оборудование, инструменты). – 2020. – Т. 22, № 4. – С. 54–70. – doi: 10.17212/1994-6309-2020-22.4-54-70.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download


Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».