Digitalisering och sensorteknik
Vi bedriver forskning kring användningen av digitalisering och sensorteknik för skärande bearbetning. Både för övervakning av bearbetningsprocessen och verktygskonditionen, men även för kvalitetskontroll av den bearbetade ytan.
Övervakning av processens tillstånd
Vår forskning inkluderar frågor kring utveckling av olika system för realtidsövervakning av bearbetningsprocessen, såsom integrering av sensorer i skärverktyg och arbetsstycken. Erhållna data och signaler används för att skapa s.k. digitala tvillingar (Digital Twins) vilka möjliggör en exakt prognos av processen. Övervakning av bearbetningsprocessen innefattar kontroll av verktygets skick och ytkvalitet.
Övervakning av verktygets tillstånd
Vår forskning om verktygsövervakning bygger på analys av dynamiska reaktioner, vilket omfattar mätning av skärkrafter, temperatur, vibrationer, akustiska emissioner med mera, för fortsatt numerisk analys av den experimentella datan. Vi undersöker även förhållandet mellan de dynamiska egenskaperna vid bearbetning med olika verktyg och material för att förutsäga hur verktyget slits.
Kontroll av ytans kvalitet
Vi utvecklar lösningar för att övervaka och undersöka ytkvaliteten hos de bearbetade ytorna. Vi arbetar med bildbehandlingssystem och maskininlärning för att upptäcka och kvantifiera defekter på bearbetade ytor. Vi utvecklar hård- och mjukvarulösningar för automatisk karaktärisering av fräskanter, borrhål och svarvade ytor. Vi fokuserar på mätning av grader, delaminering av kompositer, termiska skador, ytojämnhet och ytdefekter med mera.
Artificiell intelligens
Vår forskning inom artificiell intelligens syftar till att utveckla lösningar baserade på maskininlärning (Machine Learning) och djupinlärning (Deep Learning) för signalbehandling, bildsegmentering och beslutsfattande inom frågor relaterade till skärande bearbetning. Vi utvecklar algoritmiska och lösningar för automatisering av mätprocesser av verktygsslitage, ytdefekter och andra processparametrar.
Andrii Hrechuk och Oleksandr Gutnichenko, 2023