Revista ELECTRO
Vol. 46 – Año 2024
Artículo
TÍTULO
Algoritmo Difuso Multicriterio para el Control de un Proceso de Micro Maquinado Electroquímico Pulsado Bipolar
AUTORES
Catarino-Aguilar, O.; Granda-Gutiérrez, E.E.; Pérez-Martínez, J. A.; Ojeda-Misses, M.A.
RESUMEN
En el presente trabajo se expone el desarrollo y validación de un algoritmo multicriterio basado en lógica difusa para el control de un proceso de micro maquinado electroquímico pulsado bipolar (BPECM M por sus siglas en ingles ). Este algoritmo se enfoca en permitir la fabricación de maquinados lineales tanto a profundidades deseadas como en superficies de trabajo que presentan perturbaciones. El algoritmo permite la evaluación de múltiples variables de entrada y generar respuesta para múltiples variables de salida convirtiéndolo en un sistema MIMO, generando una adaptación precisa a las variaciones en el proceso de manufactura. La validación del algoritmo se llevó a cabo en una estación compacta de micro maquinado electroquímico pulsado bipolar, especialmente diseñada y fabricada para este propósito. Esta validación incluyó pruebas exhaustivas que demostraron la efectividad del algoritmo en la reducción del sobre corte y la mejora del acabado final del maquinado.
Palabras Clave: Maquinado electro químico, Lógica difusa, Manufactura, Sistema computacional.
ABSTRACT
This work presents the development and validation of a multi-criteria algorithm based on fuzzy logic for the control of a bipolar pulsed electrochemical micro machining (BPECMM) process. This algorithm focuses on allowing the manufacture of linear machining both at desired depths and on work surfaces that present disturbances. The algorithm allows the evaluation of multiple input variables and generate response for multiple output variab les, converting it into a MIMO system, generating a precise adaptation to variations in the manufacturing process. The validation of the algorithm was carried out in a compact bipolar pulsed electrochemical micromachining station, specially designed and manufactured for this purpose. This validation included extensive testing that demonstrated the effectiveness of the algorithm in reducing overcutting and improving the final machining finish.
Keywords: Electrochemical machining, Fuzzy logic, Manufacturing, Computational system.
REFERENCIAS
[1] P. K. Jain y V. K. Jain, «Recent developments and research issues in electrochemical machining,» IEEE Access, vol. 8, pp. 14711-14729, Enero 2020.
[2] H. El-Hofy, Fundamentals of Machining Processes: Conventional and Nonconventional Processes, 3er ed., CRC Press, 2021.
[3] K. H. J. Buschow, R. W. Cahn, M. C. Flemings, B. Ilschner, E. J. Kramer, S. Mahajan y P. Veyssièr, Encyclopedia of Materials: Scie nce and Technology, 2nd ed., Elsevier, 2021.
[4] D. Landolt, «Fundamentals and applications of electrochemical machining,» IEEE Transactions on Plasma Science, vol. 47, nº 3, pp. 1424-1437, 2019.
[5] M. B. da Silva, J. L. O. Ferreira y A. R. Machado, «Electrochemical machining of complex geometries using pulsed current,» IEEE Transactions on Industry Applications, vol. 56, nº 2, pp. 1823-1832, marzo 2020.
[6] A. Mahmood, M. A. Razzaq y S. Masood, «Fuzzy Logic Control of Electrochemical Machining Pr ocess for Improved Surface Finish,» EEE Transactions on Industrial Electronics, vol. 68, nº 3, pp. 2305-2313, Marzo 2021.
[7] P. Kumar y S. Singh, «Optimization of Electrochemical Machining Using Fuzzy Logic-Based Control System,» IEEE Access, vol. 9, pp. 45123-45134, 2021.
[8] M. S. Ali y A. H. Ibrahim, «Adaptive Fuzzy Logic Control for Optimization of Electrochemical Machining Parameters,» IEEE Transactions on Industrial Informatics, vol. 17, nº 5, pp. 3462-3470, Mayo 2021.
[9] H. K. Lee y J. S. Park, «Fuzzy Logic-Based Control System for Precision Electrochemical Machining of Microcomponents,» IEEE/ASME Transactions on Mechatronics, vol. 26, nº 2, pp. 897-905, Abril 2021.
[10] D. K. Kasdekar, V. Parashar y C. Arya, «Artificia l neural network models for the prediction of MRR in Electro-Chemical Machining,» p. 772 –779, 2018.
[11] K. Kumar y P. Sahoo, «Artificial Neural Network Modeling for the Prediction of Surface Roughness in ECM,» International Journal of Applied Engineerin g Research, vol. 9, nº 26, pp. 9251-9254, 2014.
[12] D. Xu, Z. Yi y C. Cheng, «A Neural Network-based Ensemble Prediction using PMRS and ECM,» th Hawaii International Conference on System Science, nº 47, 2014.
[13] G. Shang y C. Sun, «Application o f BP Neural Network for Predicting Anode Accuracy in ECM,» International Symposium on Information Science and Engieering, 2008.
[14] D. Singh y R. K. Gupta, «Intelligent Electrochemical Machining Process Control Using Fuzzy Logic and Genetic Algorithms, » IEEE Transactions on Automation Science and Engineering, vol. 18, nº 3, pp. 1234-1242, Julio 2021.
[15] I. Gallegos Miranda, Sistema Computacional para la remoción controlada de Material en un proceso de Maquinado Electroquímico por Pulsos, Atlacomulc o: Tesis de Maestría en Ciencias de la Computación de la Universidad Autónoma del Estado de México, 2019.
CITAR COMO:
Catarino-Aguilar, O.; Granda-Gutiérrez, E.E.; Pérez-Martínez, J. A.; Ojeda-Misses, M.A., "Algoritmo Difuso Multicriterio para el Control de un Proceso de Micro Maquinado Electroquímico Pulsado Bipolar", Revista ELECTRO, Vol. 46, 2024, pp. 233-238.
VERSIÓN PDF