| 研究課題/領域番号 |
20K04205
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分18020:加工学および生産工学関連
|
|---|
| 研究機関 | 佐世保工業高等専門学校 |
|---|
研究代表者 |
川下 智幸 佐世保工業高等専門学校, 電子制御工学科, 教授 (00270380)
|
|---|
| 研究分担者 |
坂口 彰浩 佐世保工業高等専門学校, 電子制御工学科, 教授 (00332099)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 520千円 (直接経費: 400千円、間接経費: 120千円)
2021年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2020年度: 2,600千円 (直接経費: 2,000千円、間接経費: 600千円)
|
|---|
| キーワード | 研削加工 / 砥粒加工 / 砥石画像 / ディープラーニング / 深層学習 / 画像処理 / 機上計測 / 砥面画像 / 画像解析 / 機械学習 / 畳み込みニューラルネットワーク / ディープラーニング解析 / 解析・評価 |
|---|
| 研究開始時の研究の概要 |
ＮＣ工作機への機能付加（機上計測）として，研削過程で，砥石作業面の同一位置の砥面画像を取得できる画像取得システムを搭載させ，研削過程で得られた同一砥面画像を用いて，研削性能低下（目づまり，脱落，結合剤面の最外周面露出など）につながる砥粒切れ刃分布領域を機械学習（ディープラーニング(CNN:Convolutional neural network）)させることにより，ドレッシング直後の砥石作業面状態で，その現象が発生する切れ刃分布位置を予測し，加工工程で機上監視することで，適切なドレッシングタイミングや砥石交換時期を最適に管理できる次世代加工システムの開発を行う．
|
| 研究成果の概要 |
研削加工は，高精度な仕上げ面が形成されることから普及している．その仕上げ面は，砥粒切れ刃の分布，形状により大きな影響を受けることから，砥粒切れ刃の計測は重要である．研究では，研削盤に搭載した画像取得装置を用いて加工過程における砥石作業面画像を取得し，その画像を用いて研削性能低下につながる目づまり，砥粒切れ刃の粗・密等が発生している砥面領域を深層学習（CNN）させることにより砥面状態を分類できる学習器を構築した．その学習器を用いて，研削過程での砥面画像を分類することで，砥面状況を定量的に把握することができた．これにより，ドレッシングの良否，ドレッシングタイミングを適切に管理できることがわかった．
|
| 研究成果の学術的意義や社会的意義 |
これまでの研究では，個々の砥粒切れ刃の計測や砥粒切れ刃の進行方向に対して直線的な間隔（連続切れ刃間隔）を用いた解析が主流であった．本研究では，加工精度に影響を与える砥石表面の研削性能の低下につながる現象（目づまり，脱落，突き出し量が少量により結合剤面が早期に最外周面に露出）の発生要因となる複数個の砥粒切れ刃分布領域までを関連づけた解析が実現できた．また，研究成果は，優れた砥粒分布を示す指数にもなることから，砥石開発や製造工程管理での重要な制御すべき指針にも活用できる．また，開発した本計測システムをＮＣ工作機において機能として付加することで，更なる高精度な加工にも寄与できる．
|
