Application of the synergistic concept in determining the CNC program for turning

Cover Page

Cite item

Full Text

Abstract

Introduction. One of the dynamically developing areas of increasing the efficiency of CNC machines is associated with the use of the synergetic concept in determining the CNC program. The principle of compression-expansion of the dimensionality of the state space is used. Subject. On the example of the workpiece machining, the stiffness parameters of which are a function of the toolpath, all stages of control synthesis, which ensures the mutual consistency of dynamic subsystems, including the cutting process, are described in the paper. The aim of the work is to determine asymptotically stable machine actuator toolpath, given by CNC program parameters, from the set of paths, for which the condition of minimum wear intensity is fulfilled. Method and methodology. Mathematical modeling of the controlled cutting system, which is based on the principle of compression-expansion state space, is presented. When the dimension of the state space is expanded, the model of the dynamic cutting system includes all elements from the CNC system that programs the motion of the actuating elements to the elastic deformations of the tool, which interacts with the workpiece through the connection formed by the cutting process. The dynamic coupling integrates the subsystems into a single coupled control system. In this space, the desired shaping motion path of the tool tip relative to the workpiece is constructed, which should be the attractor of the entire state space. The transformation of the desired motion path into an attractor characterizes the procedure of compressing the dimensionality of the state space. It is supposed that it is possible to control the motion trajectories of the actuators within the bandwidths of the servomotors. Results and Discussion. The analysis of the stability of the cutting process is performed; the example of the efficiency of a NC program on the basis of the synergetic paradigm is presented. It is shown that by coordinating the external control with the internal dynamics of the system it is possible to increase the efficiency of a part production up to two times in machine time.

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
Don State Technical University, 1 Gagarin square, Rostov-on-Don, 344000, Russian Federation, sinedden@yandex.ru

E. O. Fesenko

Email: ellinochaa@gmail.com
Don State Technical University, 1 Gagarin square, Rostov-on-Don, 344000, Russian Federation, ellinochaa@gmail.com

References

  1. Пригожин И., Стенгерс И. Порядок из хаоса. – М.: Прогресс, 1986. – 432 с.
  2. Хакен Г. Синергетика: иерархии неустойчивостей в самоорганизующихся системах и устройствах. – М.: Мир, 1985. – 424 с.
  3. Синергетика и проблемы теории управления / под ред. А.А. Колесникова. – М.: Физматлит, 2004. – 504 с. – ISBN 5-9221-0336-9.
  4. Заковоротный В.Л., Флек М.Б. Динамика процесса резания. Синергетический подход. – Ростов н/Д.: Терра, 2005. – 880 с.
  5. Заковоротный В.Л., Гвинджилия В.Е. Синергетическая концепция при программном управлении процессами обработки на металлорежущих станках // Известия высших учебных заведений. Машиностроение. – 2021. –№ 5 (734). – С. 24–36. – doi: 10.18698/0536-1044-2021-5-24-36.
  6. Заковоротный В.Л., Гвинджилия В.Е. Синергетический подход к повышению эффективности управления процессами обработки на металлорежущих станках // Обработка металлов (технология, оборудование, инструменты). – 2021. – Т. 23, № 3. – С. 84–99. – doi: 10.17212/1994-6309-2021-23.3-84-99.
  7. Zakovorotny V., Gvindjiliya V. Process control synergetics for metal-cutting machines // Journal of Vibroengineering. – 2022. – Vol. 24 (1). – P. 177–189. – doi: 10.21595/jve.2021.22087.
  8. Заковоротный В.Л. Нелинейная трибомеханика. – Ростов н/Д.: Изд-во ДГТУ, 2000. – 293 с.
  9. 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.
  10. Кабалдин Ю.Г., Шатагин Д.А. Искусственный интеллект и киберфизические механообрабатывающие системы в цифровом производстве // Вестник машиностроения. – 2020. – № 1. – С. 21–25.
  11. Virtual process systems for part machining operations / Y. Altintas, P. Kersting, D. Biermann, E. Budak, B. Denkena // CIRP Annals. – 2014. – Vol. 63 (2). – P. 585–605. – doi: 10.1016/j.cirp.2014.05.007.
  12. Recent advances in modelling of metal machining processes / P. Arrazola, T. Ozel, D. Umbrello, M. Davies, I. Jawahir // CIRP Annals. – 2013. – Vol. 62 (2). – P. 695–718. – doi: 10.1016/j.cirp.2013.05.006.
  13. Пантюхин О.В., Васин С.А. Цифровой двойник технологического процесса изготовления изделий специального назначения // Станкоинструмент. – 2021. – № 1 (22). – С. 56–59. – doi: 10.22184/2499-9407.2021.22.1.56.58.
  14. Virtual machine tool / Y. Altintas, C. Brecher, M. Weck, S. Witt // CIRP Annals. – 2005. – Vol. 54 (2). – P. 115–138. – doi: 10.1016/S0007-8506(07)60022-5.
  15. Erkorkmaz K., Altintas Y., Yeung C-H. Virtual computer numerical control system // CIRP Annals. – 2006. – Vol. 55 (1). – P. 399–402. – doi: 10.1016/S0007-8506(07)60444-2.
  16. Complexity-based analysis of the influence of machining parameters on the surface finish of drilled holes in drilling operation / As. Ahamed, At. Ahamed, D. Katuwawala, T.T. Ee, Z.H. Tan, I.S. Bajaj, Th. Wickramasurendra, H. Namazi // Fractals. – 2019. – Vol. 27 (6). – P. 1950087. – doi: 10.1142/S0218348X19500877.
  17. Kilic Z.M., Altintas Y. Generalized mechanics and dynamics of metal cutting operations for unified simulations // International Journal of Machine Tools and Manufacture. – 2016. – Vol. 104. – P. 1–13. – doi: 10.1016/j.ijmachtools.2016.01.006.
  18. Development of machining strategies for aerospace components, using virtual machining tools / L. Estman, D. Merdol, K.-G. Brask, V. Kalhori, Y. Altintas // New Production Technologies in Aerospace Industry. – Cham: Springer, 2014. – P. 63–68. – (Lecture Notes in Production Engineering). – doi: 10.1007/978-3-319-01964-2_9.
  19. Influence of cutting and geometrical parameters on the cutting force in milling / H. Yangui, B. Zghal, A. Kessentini, G. Chevallier, A. Rivière, M. Haddar, Ch. Karra // Engineering. – 2010. – Vol. 2 (10). – P. 751–761. – doi: 10.4236/eng.2010.210097.
  20. Thasana W., Chianrabutra S. A comparison between simulation and experiment of virtual machining in CNC turning machine considering kinematic motion deviations, tool wear and workpiece deflection errors // Journal of Advanced Mechanical Design, Systems and Manufacturing. – 2019. – Vol. 13 (1). – P. 18-00250. – doi: 10.1299/jamdsm.2019jamdsm0009.
  21. A study on estimation of three-dimensional tolerances based on simulation of virtual machining in turning processes including kinematic motion deviations / W. Thasana, N. Sugimura, K. Iwamura, Y. Tanimizu // Journal of Advanced Mechanical Design, Systems, and Manufacturing. – 2015. – Vol. 9 (1). – P. 14-00507. – doi: 10.1299/jamdsm.2015jamdsm0012.
  22. Studiyanti L. Workstation and posture improvement in cutting machine process using virtual modeling // IOP Conference Series: Materials Science and Engineering. – 2021. – Vol. 1072. – P. 012032. – doi: 10.1088/1757-899X/1072/1/012032.
  23. Soori M., Arezoo B. Virtual machining systems for CNC milling and turning machine tools: a review // International Journal of Engineering and Technology. – 2020. – Vol. 18. – P. 56–104.
  24. The state of the art for numerical simulations of the effect of the microstructure and its evolution in the metal-cutting processes / H. Liu, X. Xu, J. Zhang, Z. Liu, Y. He, W. Zhao, Z.-q. Liu // International Journal of Machine Tools and Manufacture. – 2022. – Vol. 177. – P. 103890. – doi: 10.1016/j.ijmachtools.2022.103890.
  25. Nonlinearities of hardware-in-the-loop environment affecting turning process emulation / B. Beri, A. Miklos, D. Takacs, G. Stepan // International Journal of Machine Tools and Manufacture. – 2020. – Vol. 157. – P. 103611. – doi: 10.1016/j.ijmachtools.2020.103611.
  26. Soori M., Arezoo B., Habibi M. Virtual machining considering dimensional, geometrical and tool deflection errors in three-axis CNC milling machines // Journal of Manufacturing Systems. – 2014. – Vol. 33 (4). – P. 498–507. – doi: 10.1016/j.jmsy.2014.04.007.
  27. A multipoint method for 5-axis machining of triangulated surface models / R.K. Duvedi, S. Bedi, A. Batish, S. Mann // Computer-Aided Design. – 2014. – Vol. 52. – P. 17–26. – doi: 10.1016/j.cad.2014.02.008.
  28. Five-axis tool path generation in CNC machining of T-spline surfaces / W.F. Gan, J.Z. Fu, H.Y. Shen, Z.Y. Chen, Z.W. Lin // Computer-Aided Design. – 2014. – Vol. 52. – P. 51–63. – doi: 10.1016/j.cad.2014.02.013.
  29. Kiswanto G., Hendriko H., Duc E. An analytical method for obtaining cutter workpiece engagement during a semi-finish in five-axis milling // Computer-Aided Design. – 2014. – Vol. 55. – P. 81–93. – doi: 10.1016/j.cad.2014.05.003.
  30. Cloud-based design and manufacturing: a new paradigm in digital manufacturing and design innovation / D. Wu, D.W. Rosen, L. Wang, D. Schaefer // Computer-Aided Design. – 2015. – Vol. 59. – P. 1–14. – doi: 10.1016/j.cad.2014.07.006.
  31. Кудинов В.А. Динамика станков. – М.: Машиностроение, 1967. – 359 с.
  32. Selbsterregte Schwingungen anWerkzeugmaschinen / J. Tlusty, A. Polacek, C. Danek, J. Spacek. – Berlin: VerlagTechnik, 1962. – 320 p.
  33. Merritt H.E. Theory of self-excited machine-tool chatter-contribution to machine tool chatter research // ASME Journal of Engineering for Industry. – 1965. – Vol. 87 (4). – P. 447–454. – doi: 10.1115/1.3670861.
  34. Altintas Y. Analytical prediction of three dimensional chatter stability in milling // JSME International Journal. Mechanical Systems, Machine Elements and Manufacturing. – 2001. – Vol. 44 (3). – P. 717–723. – doi: 10.1299/jsmec.44.717.
  35. Stépán G., Insperger T., Szalai R. Delay, parametric excitation, and the nonlinear dynamics of cutting processes // International Journal of Bifurcation and Chaos. – 2005. – Vol. 15 (9). – P. 2783–2798. – doi: 10.1142/S0218127405013642.
  36. Stépán G. Modelling nonlinear regenerative e?ects in metal cutting // Philosophical Transactions of the Royal Society A: Mathematical, Physical and Engineering Sciences. – 2001. – Vol. 359 (1781). – P. 739–757. – doi: 10.1098/rsta.2000.0753.
  37. Reith M.J., Bachrathy D., Stepan G. Improving the stability of multi-cutter turning with detuned dynamics // Machining Science and Technology. – 2016. – Vol. 20 (3). – P. 440–459. – doi: 10.1080/10910344.2016.1191029.
  38. Воронов С.А., Киселев И.А. Нелинейные задачи динамики процессов резания // Машиностроение и инженерное образование. – 2017. – № 2 (51). – C. 9–23.
  39. 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.
  40. 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.
  41. Influence of the clearance face on the condition of chatter self-excitation during turning / A. Gouskov, M. Gouskov, Ph. Lorong, G. Panovko // International Journal of Machining and Machinability of Materials. – 2017. – Vol. 19 (1). – P. 17–39. – doi: 10.1504/IJMMM.2017.10002088.
  42. Моделирование и исследование устойчивости процесса многорезцового резания «по следу» / М. Гуськов, Т. Динь Дык, Г. Пановко, А.М. Гуськов // Проблемы машиностроения и надежности машин. – 2018. – № 3. – С. 19–27. – doi: 10.31857/S023571190000533-7.
  43. Понтрягин Л.С. Избранные научные труды. Т. 2. – М.: Наука, 1988. – С. 95–154.
  44. Тихонов А.Н. Системы дифференциальных уравнений, содержащие малые параметры при производных // Математический сборник. – 1952. – Т. 31, № 3. – C. 575–586.
  45. Моделирование динамической связи, формируемой процессом точения, в задачах динамики процесса резания (позиционная связь) / В.Л. Заковоротный, Д.Т. Фам, С.Т. Нгуен, М.Н. Рыжкин // Вестник Донского государственного технического университета. – 2011. – Т. 11, № 3 (54). – С. 301–311.
  46. Лойцянский Л.Г. Курс теоретической механики. – М.: Наука, 1982. – 640 с.
  47. Ляпунов А.М. Общая задача об устойчивости движения. – Л.: Гостехиздат, 1950. – 472 с.
  48. Меркин Д.Р. Введение в теорию устойчивости движения. – М.: Наука, 1971. – 312 с.
  49. Бржозовский Б.М., Янкин И.Н. , Хайров Д.А. Обеспечение качества резания неоднородных материалов на основе оптимальной динамической настройки формообразующих подсистем станка // Прогресивні технології і системи машинобудування. – 2012. – № 1 (43). – С. 71–77.
  50. Адаптивное управление станками / под ред. Б.С. Балакшина. – М.: Машиностроение, 1973. – 688 с.
  51. Базров Б.М. Технологические основы проектирования самоподнастраивающихся станков. – М.: Машиностроение, 1978. – 216 с.
  52. Тверской М.М. Автоматическое управление режимами обработки на станках. – М.: Машиностроение, 1982. – 208 с.
  53. Вейц В.Л., Васильков Д.В. Задачи динамики, моделирования и обеспечения качества при механической обработке маложестких заготовок // СТИН. – 1999. – № 6. – С. 9–13.
  54. Заковоротный В.Л., Гвинджилия В.Е., Минаков В.С. Влияние геометрии режущего инструмента на динамику процесса точения // Вестник ДГТУ. – 2018. – Т. 18, № 2. – С. 201–213. – doi: 10.23947/1992-5980-2018-18-2-201-213.
  55. Заковоротный В.Л., Гвинджилия В.Е. Свойства притягивающих множеств деформационных смещений инструмента в траекториях формообразующих движений при точении изделий // Известия вузов. Машиностроение. – 2022. – № 3 (744). – С. 15–30. – doi: 10.18698/0536-1044-2022-3-15-30.
  56. 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.
  57. Бидерман В.Л. Прикладная теория механических колебаний. – М.: Высшая школа, 1972. – 416 с.
  58. Макаров А.Д. Оптимизация процессов резания. – М.: Машиностроение, 1976. – 278 с.
  59. Заковоротный В.Л., Гвинджилия В.Е. Определение оптимальных координат переключения циклов обработки на металлорежущих станках // Обработка металлов (технология, оборудование, инструменты). – 2021. – Т. 23. № 1. – С. 56–67. – doi: 10.17212/1994-6309-2021-23.1-56-67.

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».