Optimization of set-up condition for stability of the centerless grinding process using physics-enhanced machine learning techniques

This research presents novel methodologies and analytical tools for the set-up, monitoring and control of plunge centerless grinding aimed at workpiece roundness improvement. Firstly, an original rounding stability analysis has been developed, which considers the nonlinearity associated to wheel-workpiece detachment under large waviness. The loss of contact is approximated by a harmonic linearization, in the frequency domain, by a Double Input Describing Function (DIDF). The stability analysis shows the effects of clipping and structural compliance: both clearly produce a waviness with a quasi-integer number of lobes. Our approach removes the need of additional hypotheses, sometime found in the literature. Under increasing lobes amplitude, clipping reduces waviness growth rate until a limit cycle is reached. Then it shown that, it is not always convenient to have a fixed setup angle. Based on simulation results it is suggested to consider the raw workpiece profile before selection these parameters accordingly to the type of raw workpiece roundness error (odd or even lobed). It was found that changing the setup angles from an initial appropriate point to a final point results in better simulated and experimented roundness. This changing was simulated with two methods, continuous and multistep but the best results was achieved by first one. Furthermore, a new support blade design for through feed centerless grinding is presented for application of above-mentioned method. New modeling approaches have been developed, to predict process outcomes and allow parameters optimization. In deterministic models, uncertainties affecting the various parameters are not explicitly considered. Complexity in centerless grinding models arises from phenomena like contact length dependency on local compliance, contact force and type of grinding wheel, unpredicted material properties of the grinding wheel and workpiece, precision of the manual setup done by the operator, wheel wear and nature of wheel wear. In order to improve the overall model prediction accuracy and allow automated continuous learning, several Machine Learning techniques have been investigated: a Bayesian regularized neural network, an SVR model and a GPR model. To exploit the prior knowledge embedded in physical models, hybrid models are proposed, where neural network, SVR and GPR models are fed by the nominal process parameters enriched with the roundness predicted by the first principal model. Those hybrid models result in an improved prediction capability. Then an innovative method based on a convolution neural network approach is presented for grinding wheel wear monitoring in plunge centerless grinding. In this approach instead of utilization of manual features extraction in traditional methods, the presented technique incorporates automatic signal processing and pattern classification in one model, to achieve a novel wheel condition monitoring system. To do so, thirty different combination of signal processors and CNNs were studied, and their classification accuracy were measured and the best combination for the dataset in this study was found. Seeking a more robust solution for process parameters set-up, a completely new perspective has been investigated, consisting in the possibility of varying some geometrical parameters (stepwise) within the single workpiece cycle. This activity leaded to the deposit of two patents. First one is about new mechanism of height variation by numeric control system and later one patents a new technique to prevent instability due to rounding mechanism in plunge centerless grinding thanks to first patent. It is based on a piece-wise variation of the WP height during the process. Each height variation divides the process into two (or more) different stages; thus, the overall process is called multistage. The height variation disrupts the self-exciting geometrical loop that is the origin of the rounding instability, thus avoiding the formation of lobes around the WP. Even though the technique can be generalized for an arbitrary number of stages, we will show that two stages are enough to satisfy stability requirements.

Questa ricerca presenta nuove metodologie e strumenti analitici per l'impostazione, il monitoraggio e il controllo della rettifica senza centri a tuffo finalizzata al miglioramento della rotondità del pezzo. In primo luogo, è stata sviluppata un'originale analisi di stabilità dell'arrotondamento, che considera la non linearità associata al distacco mola-pezzo in presenza di grandi ondulazioni. La perdita di contatto è approssimata da una linearizzazione armonica, nel dominio della frequenza, da una funzione di descrizione a doppio ingresso (DIDF). L'analisi di stabilità mostra gli effetti del clipping e della compliance strutturale: entrambi producono chiaramente un'ondulazione con un numero quasi intero di lobi. Il nostro approccio elimina la necessità di ulteriori ipotesi, a volte presenti in letteratura. Con l'aumento dell'ampiezza dei lobi, il clipping riduce il tasso di crescita dell'ondulazione fino al raggiungimento di un ciclo limite. Quindi ha dimostrato che non è sempre conveniente avere un angolo di installazione fisso. Sulla base dei risultati della simulazione si suggerisce di considerare il profilo del pezzo grezzo prima di selezionare questi parametri in base al tipo di errore di rotondità del pezzo grezzo (pari o dispari lobato). È stato riscontrato che la modifica degli angoli di installazione da un punto iniziale appropriato a un punto finale si traduce in una rotondità simulata e sperimentata meglio. Questo cambiamento è stato simulato con due metodi, continuo e multistep, ma i migliori risultati sono stati ottenuti con il primo. Inoltre, viene presentato un nuovo design della lama di supporto per la rettifica senza centri ad avanzamento continuo per l'applicazione del metodo sopra menzionato. Sono stati sviluppati nuovi approcci di modellazione per prevedere i risultati del processo e consentire l'ottimizzazione dei parametri. Nei modelli deterministici, le incertezze che interessano i vari parametri non sono esplicitamente considerate. La complessità nei modelli di rettifica senza centri deriva da fenomeni come la dipendenza della lunghezza di contatto dalla conformità locale, la forza di contatto e il tipo di mola, proprietà impreviste del materiale della mola e del pezzo, precisione della configurazione manuale eseguita dall'operatore, usura della mola e natura della mola indossare. Al fine di migliorare l'accuratezza complessiva della previsione del modello e consentire l'apprendimento continuo automatizzato, sono state studiate diverse tecniche di Machine Learning: una rete neurale regolarizzata bayesiana, un modello SVR e un modello GPR. Per sfruttare le conoscenze pregresse incorporate nei modelli fisici, vengono proposti modelli ibridi, in cui i modelli di rete neurale, SVR e GPR sono alimentati dai parametri di processo nominali arricchiti con la rotondità prevista dal primo modello principale. Questi modelli ibridi comportano una migliore capacità di previsione. Viene quindi presentato un metodo innovativo basato su un approccio di rete neurale a convoluzione per il monitoraggio dell'usura delle mole nella rettifica a tuffo senza centri. In questo approccio invece dell'utilizzo dell'estrazione manuale delle caratteristiche nei metodi tradizionali, la tecnica presentata incorpora l'elaborazione automatica del segnale e la classificazione del modello in un modello, per ottenere un nuovo sistema di monitoraggio delle condizioni delle ruote. Per fare ciò, sono state studiate trenta diverse combinazioni di processori di segnale e CNN, è stata misurata la loro accuratezza di classificazione ed è stata trovata la migliore combinazione per il set di dati in questo studio. Alla ricerca di una soluzione più robusta per l'impostazione dei parametri di processo, è stata studiata una prospettiva completamente nuova, consistente nella possibilità di variare alcuni parametri geometrici (stepwise) all'interno del singolo ciclo pezzo. Questa attività ha portato al deposito di due brevetti. Il primo riguarda un nuovo meccanismo di variazione dell'altezza tramite sistema di controllo numerico e successivamente si brevetta una nuova tecnica per prevenire l'instabilità dovuta al meccanismo di arrotondamento nella rettifica a tuffo senza centri grazie al primo brevetto. Si basa su una variazione a tratti dell'altezza del WP durante il processo. Ogni variazione di altezza divide il processo in due (o più) fasi differenti; quindi, il processo complessivo è chiamato multistadio. La variazione di altezza interrompe l'anello geometrico autoeccitante che è all'origine dell'instabilità dell'arrotondamento, evitando così la formazione di lobi attorno al WP. Anche se la tecnica può essere generalizzata per un numero arbitrario di stadi, mostreremo che due stadi sono sufficienti per soddisfare i requisiti di stabilità.