Dynamic Control of the Efficiency of Mechanic Cutting of Material

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Solution to the problem of improvement in the efficiency of material cutting equipment is an important task in the development of modern mechanical engineering and related areas of science and technology. Various material cutting methods are available at present: mechanical, hydromechanical (hydroabrasive), electrical discharge, plasma, laser, and others. Further improvement in the efficiency of the operation of material cutting equipment is related to the development of rapid methods and tools for monitoring the efficiency of cutting processes. The existing strain gauge means for monitoring the cutting power of materials are limited by the output signal frequency of up to 100 kHz. High-speed control of the efficiency of cutting processes can be carried out on the basis of the developed dynamic method and traditional controls of high-performance material processing equipment with an output signal frequency of up to 1 MHz.

About the authors

A. V. Egorov

Sarov Physical and Technical Institute; Volga State University of Technology

Email: Shram18rus@mail.ru
607186, Sarov, Russia; 424000, Yoshkar-Ola, Russia

V. G. Shram

Siberian Federal University

Email: Shram18rus@mail.ru
660049, Krasnoyarsk, Russia

Yu. F. Kaizer

Siberian Federal University

Email: Shram18rus@mail.ru
660041, Krasnoyarsk, Russia

R. B. Zhelukevich

Siberian Federal University

Email: Shram18rus@mail.ru
660041, Krasnoyarsk, Russia

A. V. Lysyannikov

Siberian Federal University

Email: Shram18rus@mail.ru
660041, Krasnoyarsk, Russia

Yu. N. Bezborodov

Siberian Federal University

Email: Shram18rus@mail.ru
660041, Krasnoyarsk, Russia

A. V. Kuznetsov

Krasnoyarsk State Agrarian University

Email: Shram18rus@mail.ru
660049, Krasnoyarsk, Russia

A. V. Kuz’min

Krasnoyarsk State Agrarian University

Author for correspondence.
Email: Shram18rus@mail.ru
660049, Krasnoyarsk, Russia

References

  1. Lv J., Jia S., Wang H., Ding K., Chan F.T.S. Comparison of different approaches for predicting material removal power in milling process // International Journal of Advanced Manufacturing Technology. 2021. V. 116 (1–2). P. 213.
  2. Gutnichenko O., Nilsson M., Lindvall R., Bushlya V., Andersson M. Improvement of tool utilization when hard turning with cBN tools at varying process parameters // Wear. 2021. V. 477. 203900.
  3. Zhou B., Zhang J., Fu Y., Yu D., Wang J. Research on power and vibration signal acquisition method and system of machine tool for tool wear monitoring // Journal of Physics: Conference Series. 2021. V. 1399 (1). 012114.
  4. Chen X., Li C., Tang Y., Li L., Li H. Energy efficient cutting parameter optimization // Frontiers of Mechanical Engineering. 2021. V. 16 (1–2). P. 221.
  5. Liu B., Wang Y., Zhao G., Huang D., Xiang B. Intelligent decision method for main control parameters of tunnel boring machine based on multi-objective optimization of excavation efficiency and cost // Tunnelling and Underground Space Technology. 2021. V. 116. 104054.
  6. Li X., Zhang Y., Sun X. Numerical analysis for rock cutting force prediction in the tunnel boring process // International Journal of Rock Mechanics and Mining Sciences. 2021. V. 144. 104696.
  7. Brînaș I., Andraș A., Radu S.M., Marc B.I., Cioclu A.R. Determination of the bucket wheel drive power by computer modeling based on specific energy consumption and cutting geometry // Energies. 2021. V. 14 (13). 3892.
  8. Tuninetti V., Alzugaray R., González J., Jaramillo A., Diez E. et al. Root cause and vibration analysis to increase veneer manufacturing process efficiency: a case study on an industrial peeling lathe // European Journal of Wood and Wood Products. 2021. V. 79 (4). P. 951.
  9. Egorov A., Kozlov K., Belogusev V. Experimental Identification of Bearing Mechanical Losses with the Use of Additional Inertia // Procedia Ingineering. 2016. V. 150. P. 674.
  10. Egorov A., Kozlov K., Belogusev V. Experimental identification of the electric motor moment of inertia and its efficiency using the additional inertia // ARPN Journal of Engineering and Applied Sciences. 2016. V. 11. Iss. 17. P. 10582.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2.

Download (148KB)
Indexing metadata

Copyright (c) 2023 А.В. Егоров, В.Г. Шрам, Ю.Ф. Кайзер, Р.Б. Желукевич, А.В. Лысянников, Ю.Н. Безбородов, А.В. Кузнецов, А.В. Кузьмин

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».