先進工具機研究中心
技術簡介 加工過程之刀具磨耗監測技術:
本團隊所開發之刀具磨耗監測技術,是專門針對大批量加工之工況進行刀具是否產生破損、崩刀等異常情況,以及預估刀具剩餘壽命等分析。透過安裝於工具機上之三軸加速規量測振動訊號數據,本技術可繪製管制圖以判斷當下之刀具切削振動量是否產生超越安全範圍,一旦其超越安全範圍,即認定此時刀具加工狀態異常,使用者可依此即時進行更換,避免損壞之刀具繼續進行加工,造成工件品質低落、成本損失等問題。另外,本技術亦可讓使用者針對不同工況建立模型以預測刀具之剩餘使用壽命,不僅可讓使用者得知當前刀具之健康狀態,亦提供給使用者刀具壽命終止時間之參考並藉此排定更換刀具之時間。

主軸熱變位誤差補償技術:
本研究透過主軸熱變位補償演算法(監督式學習)建立一溫度場分佈與刀尖點位移之熱補償數學模型(迴歸方程式),由於機台各部件之溫升對於刀尖點位移的影響程度各有不同,且溫度計黏貼位置與數量對於主軸熱變形位移量誤差補償之精度影響甚鉅,因此本研究主要目的是提出溫度量測點靈敏度分析與排序方法,量化溫度感測器資訊對於主軸熱變位之貢獻度並以此進行排序,再進一步建立溫度量測點最佳數目與位置篩選方法,用以提供合適的溫度計數目與挑選出關鍵溫度計位置,以期在減少溫度感測器安置數目的前提下達到更佳的補償效果,不僅可以降低感測器裝配與檢修成本,更提升熱補償模型的準確度。

軸承健康診斷技術:
軸承乃是工具機中之重要零組件,當軸承出現損壞時,會產生產品品質不良、生產效率下降,甚至機台無法運作等情形。近幾年隨著人工智慧(Artificial intelligence, AI)技術的發展與進步,使得越來越多機器學習(Machine learning)的方法應用於工具機上,為了要診斷軸承之健康狀態並預估其剩餘使用壽命(Remaining useful life, RUL),本團隊發展之軸承狀態診斷技術結合了自製感測器以及非監督式人工智慧演算法,透過軸承振動訊號數據之收集並於機台暖機時執行特定健檢工況,運用非監督式人工智慧演算法所建立之診斷模型,可達成同時且更加精準地預估軸承健康狀態及其剩餘使用壽命之目標。

公司介紹:
本團隊由國立中正大學機械工程學系特聘教授–鄭志鈞 教授所領導,其團隊研發包括軸承健康診斷技術、刀具磨耗與壽命預估技術、溫度補償系統等多項技術,並與多家國內廠商(例如:上銀、永進、東台、大前等)皆有計畫合作與技術移轉,多項技術模組已被多家公司使用。豐碩的研究成果除了應用於工具機相關產業,亦獲得其他領域產業的青睞,例如:漢翔航空工業(航太加工產業)、環球晶圓股份有限公司(半導體相關產業)目前皆與鄭教授有計畫合作。
技術影片
關鍵字 加工過程之刀具磨耗監測技術 主軸熱變位誤差補償技術 軸承健康診斷技術
曾經閱讀此篇文章的人也閱讀過下列文章
提供國際AI研究中心與應用產業最新資訊
本網站使用您的Cookie於優化網站及您的購物經驗。繼續瀏覽網站即表示您同意本公司隱私權政策,您可至隱私權政策了解詳細資訊。