| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Iskanje po katalogu digitalne knjižnice Pomoč

Iskalni niz: išči po
išči po
išči po
išči po
* po starem in bolonjskem študiju

Opcije:
  Ponastavi


1 - 3 / 3
Na začetekNa prejšnjo stran1Na naslednjo stranNa konec
1.
Acoustic emission detection of macro-cracks on engraving tool steel inserts during the injection molding cycle using PZT sensors
Rajko Svečko, Dragan Kusić, Tomaž Kek, Andrej Sarjaš, Aleš Hančič, Janez Grum, 2013, izvirni znanstveni članek

Opis: This paper presents an improved monitoring system for the failure detection ofen graving tool steel inserts during the injection molding cycle. This system uses acoustic emission PZT sensors mounted through acoustic waveguides on the engraving insert. We were thus able to clearly distinguish the defect through measured AE signals. Two engraving tool steel inserts were tested during the production of standard test specimens, each under the same processing conditions. By closely comparing the captured AE signals on both engraving inserts during the filling and packing stages, we were able to detect the presence of macro-cracks on one engraving insert. Gabor wavelet analysis was used for closer examination of the captured AE signalsć peak amplitudes during the filling and packing stages. The obtained results revealed that such a system could be used successfully as an improved tool for monitoring the integrity of an injection molding process.
Ključne besede: injection molding, process monitoring, acoustic emission, PZT sensors, piezoelectric effect
Objavljeno v DKUM: 22.06.2017; Ogledov: 1770; Prenosov: 386
.pdf Celotno besedilo (854,94 KB)
Gradivo ima več datotek! Več...

2.
OPTIMIZACIJA PROCESNIH PARAMETROV PRI VODENJU INJEKCIJSKEGA BRIZGANJA Z UPORABO INTELIGENTNIH METOD
Dragan Kusić, 2014, doktorska disertacija

Opis: V doktorski disertaciji je predstavljena metoda za optimiziranje procesnih parametrov v procesu injekcijskega brizganja termoplastičnih materialov, ki je implementirana v razvitem inteligentnem sistemu ΔC-3. Predlagana metoda optimizacije procesnih parametrov temelji na kombiniranem pristopu treh metod umetne inteligence, kjer so vsa pravila in dejstva, ki so bila osvojena med množičnimi eksperimentalnimi testiranji na dveh brizgalnih strojih, implementirana tako v bazi znanja kot tudi v podatkovni bazi in so tudi prenosljiva. Ustrezno vrednotenje robustnosti tega proizvodnega procesa je prikazano na primeru nelinearnega matematičnega modela, kjer je izvedena robustna sinteza vodenja hitrosti brizgalnega polža za načrtan robustni regulator po Glover-McFarlanovi metodi ob upoštevanju vpliva motenj in aditivnega modela odstopanj v okolju Matlab/Simulink. V nadaljevanju smo izvedli obsežne eksperimentalne študije na treh izbranih termoplastičnih materialih, kjer smo analizirali vpliv procesnih parametrov na prečni in vzdolžni skrček kot tudi na kot zvijanja testnih ploščic skupaj z meritvijo signalov akustične emisije. Z neporušitveno metodo smo dokazali njeno praktično uporabnost v tem proizvodnem procesu na primeru iskanja razpok na gravurnih orodnih vložkih in detekciji vlažnosti termoplastičnih materialov. Za podrobnejšo analizo zajetih signalov AE v časovno frekvenčnem prostoru smo uporabili Gaborjevo valčno transformacijo. Prav tako so bile izvedene tudi študije zapolnjevanja testnih ploščic v programskem paketu Moldflow, ki so bile osnova za izvedbo kasnejših morfoloških preiskav z vrstičnim elektronskim mikroskopom na površini testnih ploščic v področju slabe orientacije steklenih vlaken.
Ključne besede: optimizacija, procesni parametri, robustno vodenje, injekcijsko brizganje, skrčki, zvijanje, umetna inteligenca, neporušitveno testiranje, akustična emisija, valčna transformacija
Objavljeno v DKUM: 21.03.2014; Ogledov: 3032; Prenosov: 232
.pdf Celotno besedilo (15,04 MB)

3.
Iskanje izvedeno v 0.07 sek.
Na vrh
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici