témavezető: Jacsó Ádám
helyszín (magyar oldal): Gyártástudomány és -technológia Tanszék helyszín rövidítés: GTT
A kutatási téma leírása:
a.) Előzmények:
Az additív technológiák folyamatos előretörésének dacára a forgácsoló megmunkálások továbbra is elsődleges szereppel bírnak az alkatrész- és szerszámgyártásban. A forgácsolásban fontos mérföldkő volt a nagysebességű megmunkálási (HSM) technológiák megjelenése, amely jelentős előrelépést hozott mind a termelékenység, mind a gyártási minőség terén. A HSM technológiák megjelenése azonban új kihívásokat is teremtett, hiszen rendkívül szigorú követelményeknek kell megfelelni mind a szerszámgép, mind a szerszám, mind a szerszámpálya tekintetében. A HSM-hez is alkalmas szerszámpályáknak két kritériumot is kell elégíteniük: (1) megfelelő folytonossággal kell rendelkezniük, és (2) egyenletes szerszámterhelést kell biztosítaniuk a megmunkálás során. Ezen kritériumok kielégítése általában rendkívül összetett feladat, amely a többtengelyes megmunkálásoknál a kimeríthetetlen keresési tér miatt még nagyobb kihívást jelent. Ennek eredményeként a többtengelyes szerszámpályák optimalizálása ma is fontos kutatási terület, amely jelentős fejlődési potenciált rejt magában.
b.) A kutatás célja:
A kutatás célja olyan szerszámpálya generálási algoritmusok kidolgozása, amelyek többtengelyes marási feladatoknál a forgácsolási peremfeltételek figyelembevétele mellett minimális megmunkálási időt biztosítanak. Ezt újonnan kifejlesztett heurisztikus és neurális hálózat alapú módszerek bevezetésével lehetséges elérni.
c.) Az elvégzendő feladatok, azok fő elemei, időigénye:
• Irodalomkutatás: a többtengelyes megmunkálások modellezési módszerei, a pályatervezési és előtolás szabályozási módszerek áttekintése, az MI alkalmazások feltérképezése a CNC technológiában. (0,5 év)
• Különböző komplexitású tesztgeometriák meghatározása, a tesztgeometriákhoz szerszámpálya generálási algoritmusok kidolgozása, az anyagleválasztási folyamat szimulációja és a szerszám terhelésének modellezése, a létrehozott szerszámpályák értékelési szempontrendszerének meghatározása, a heurisztikus keresési módszereken és/vagy gépi tanuláson alapuló módszerek kidolgozása a pálya alakjának optimalizálásához a megmunkálási idő és/vagy energiafelhasználás minimalizálása érdekében. (1,5 év)
• Az elért eredmények közzététele, publikációk készítése. (1 év)
• Az eredmények validálása forgácsolási kísérletekkel. (0,5 év)
• A disszertáció elkészítése. (0,5 év)
d.) A szükséges berendezések:
A Gyártástudomány és -technológia Tanszék a kísérletekhez szükséges összes szerszámgéppel és mérőeszközzel rendelkezik.
e.) Várható tudományos eredmények:
Új szerszámpálya generálási algoritmusok kidolgozása, amelyekkel a többtengelyes megmunkálásoknál jelentősen csökkenthetővé válik a gyártás költsége és energiaigénye. A jövőben ezek a megoldások a modern CAM rendszerek részévé válhatnak.
f.) Irodalom:
[1] A. Jacso, T. Szalay, J. C. Jauregui, és J. R. Resendiz, „A discrete simulation-based algorithm for the technological investigation of 2.5D milling operations”, 2018.
[2] A. Jacso, B. S. Sikarwar, R. K. Phanden, R. K. Singh, J. Ramkumar, és G. N. Sahu, „Optimisation of tool path shape in trochoidal milling using B-spline curves”, Int. J. Adv. Manuf. Technol., o. 1–16, jún. 2022, doi: 10.1007/s00170-022-09527-z.
[3] A. Jacso, Z. Lado, R. K. Phanden, B. S. Sikarwar, és R. K. Singh, „Bézier curve-based trochoidal tool path optimization using stochastic hill climbing algorithm”, Mater. Today Proc., dec. 2022, doi: 10.1016/j.matpr.2022.12.056.
[4] A. Jacso, G. Matyasi, és T. Szalay, „The fast constant engagement offsetting method for generating milling tool paths”, Int. J. Adv. Manuf. Technol., máj. 2019, doi: 10.1007/s00170-019-03834-8.
[5] M. Korosec és J. Kopac, „Neural network based selection of optimal tool - path in free form surface machining”, J. Autom. Mob. Robot. Intell. Syst., köt. Vol. 1, No. 4, o. 41–50, 2007.
[6] M. Kumar és P. Khatak, „Development of a Discretization Methodology for 2.5D Milling Toolpath Optimization Using Genetic Algorithm”, Adv. Comput. Intell. Syst., o. 93–104, 2020, doi: 10.1007/978-981-15-0222-4_8.
[7] B. R. C. Karuppanan és M. Saravanan, „Toolpath optimization by genetic algorithm for energy efficient machining”, Taga J. Graph. Technol., köt. 14, o. 1670–1679, 2018.
[8] K. D. Narooei és R. Ramli, „New Approaches in Tool Path Optimization of CNC Machining: A Review”, Applied Mechanics and Materials, 2014. https://www.scientific.net/AMM.663.657 (elérés 2019. július 28.).
[9] N. Hatem, Y. Yusof, A. Kadir, és M. MA, „A Review of Tool Path Optimization in CNC Machines: Methods and Its Applications Based on Artificial Intelligence”, Int. J. Adv. Sci. Technol., sz. 29, Art. sz. 29, 2020.
[10] Y. Sun, Y. Zhao, Y. Bao, és D. Guo, „A smooth curve evolution approach to the feedrate planning on five-axis toolpath with geometric and kinematic constraints”, Int. J. Mach. Tools Manuf., köt. 97, o. 86–97, okt. 2015, doi: 10.1016/j.ijmachtools.2015.07.002.
felvehető hallgatók száma: 1
Jelentkezési határidő: 2024-10-15
2024. IV. 17. ODT ülés Az ODT következő ülésére 2024. június 14-én, pénteken 10.00 órakor kerül sor a Semmelweis Egyetem Szenátusi termében (Bp. Üllői út 26. I. emelet).
Bejelentkezés
