К.А. Мороз1, Р.Р. Ибадов2, А.Е. Мерзликина3

1-3 Донской государственный технический университет (г. Ростов-на-Дону, Россия)

1 kmoroz@donstu.ru; 2ragim_ibadov@mail.ru; 3 angelinka-levchenko@mail.ru

Постановка проблемы. При токарной обработке на станках с ЧПУ качество обработанной поверхности и ресурс режущего инструмента зависят от динамического состояния системы «станок-инструмент-заготовка» (СИЗЗ). Вибрации инструмента, неравномерность припуска и люфты в кинематических цепях оказывают существенное влияние на выходные параметры процесса, затрудняя прогнозирование качества и надежности обработки. Существующие методы контроля либо фокусируются на отдельных параметрах, либо требуют дорогостоящего оборудования. Отсутствует методология комплексного анализа трех информационных каналов (вибрационной активности, сил резания и акустической эмиссии) с использованием современных методов обработки сигналов для адаптивного управления режимами обработки.

Цель. Разработать методологию комплексного мониторинга динамических параметров процесса резания при токарной обработке путем интеграции трех информационных каналов (вибрационной активности инструмента, сил резания и акустической эмиссии) на основе методов спектрального анализа, корреляционной обработки сигналов и многомерной статистики.

Результаты. Разработана методология мониторинга, включающая в себя: математическое описание динамики СИЗЗ с использованием дифференциальных уравнений, алгоритмы спектрального анализа на основе дискретного преобразования Фурье, методы интеграции информационных каналов через матрицы кросс-корреляции, систему пороговых значений для трех классов состояния процесса, требования к датчикам и аппаратуре (погрешность не более 2%), а также алгоритм обработки сигналов в реальном времени с временной синхронизацией всех каналов.

Практическая значимость. Полученные результаты применяются при разработке систем адаптивного управления режимами обработки, позволяя повысить ресурс инструмента на 15%, снизить брак по качеству на 10–20%, уменьшить нагрузку на механизмы станка на 5–10%. Методология может быть использована при разработке систем предиктивного обслуживания инструмента и цифровых двойников технологических процессов, особенно для производств с разнородным станочным парком.

Мороз К.А., Ибадов Р.Р., Мерзликина А.Е. Анализ информационных каналов и методология комплексного мониторинга динамических параметров процесса резания при токарной обработке // Наукоемкие технологии. 2026. Т. 27. № 2. С. 32−41. DOI: https://doi.org/ 10.18127/ j19998465-202602-03

1. Лапшин В.П., Христофорова В.В., Носачев С.В. Взаимосвязьтемпературыисилырезаниясизносомивибрациями инструмента при токарной обработке металлов // Обработка металлов: технология, оборудование, инструменты. 2020. Т. 22. № 3. С. 44–58.
2. Гвинджилия В., Фоминов Е., Моисеев Д., Гамалеева Е. Влияние динамических характеристик процесса резания на шероховатость поверхности детали при токарной обработке // Обработка металлов: технология, оборудование, инструменты. 2024. Т. 26. № 2. С. 143–157.
3. Туркин И.А., Русановский Р.В., Калинин А.И. Влияние температуры на динамику процесса ортогонального резания при обработке металлов на станках токарной группы // Молодой исследователь Дона, 2020. № 2 (23). С. 55–61.
4. Калмыков В.В., Исмаил А.Х.Д., Гроссман М.Ф. Эффекты взаимодействия технологических параметров на шероховато сть поверхности при точении латуни // Будущее машиностроения России. 2022. С. 66–70.
5. Гузеев В.И., Дерябин И.П. Математические модели сил резания при точении // Вестник ЮжноУральского государственного университета. Серия: Машиностроение. 2023. Т. 23. № 2. С. 49–60.
6. Sun T., Qin L., Fu Y., Liu C., Shi R. Mathematical modeling of cuttinglayer geometry and cutting fo rce in orthogonal turn-milling. Journal of Materials Processing Technology. 2021. V. 290. P. 116992.
7. Yusubov N., Abbasova H., Dadashov R. Theoretical basis for the development of an algorithmic unifie dcomplex of mathematical models of cuttingforces. Machine science. 2023. V. 12. № 1. P. 55–60.
8. Sujuan W., Tao Z., Wenping D., Zhanwen S., To S. Analytical modeling and prediction of cuttingforces in orthogonal turning: a review. The international journal of advanced manufacturing technology. 2022. V. 119. № 3. P. 1407–1434.
9. Kuntoğlu M., Sağlam H. Investigation of signalbehaviors for sensorfusion with toolcondition monitoring system in turning. Measurement. 2021. V. 173. P. 108 5 8
10. Pimenov D.Y., Bustillo A., Wojciechowski S., Sharma V.S., Gupta M.K., Kunto ğlu M. Artificial intelligence systems for toolcondition monitoring in machining: Analysis and critical review. Journal of Intelligent Manufacturing. 2023. V. 34. № 5. P. 2079–2121. 1
11. Ferrando Chacón J.L., Fernández de Barrena T., García A., Sáez de Buruaga M., Badiola X., Vicente J. A novelmachine learningbased methodology for toolwearprediction using acousticemission signals. Sensors, 2021. V. 21. № 17. P. 5984. 1
12. Mahdavi M., Alhelou H.H., Hatz iargyriou N.D., Al-Hinai A. An efficient mathematical mode l for distribution system reconfiguration using AMPL. IEEE Access. 2021. V. 9. P. 79961–79993. 1
13. Bombiński S., Kossakowska J., Jemielniak K. Detection of accelerated tool wear in turning. Mechanical Syst ems and Signal Processing. 2022. V. 162. P. 108021. 1
14. Zhang, P., Gao D., Lu Y., Ma Z., Wang X., Song X. Cutting toolwearmonitoring based on asmarttoolholder with embeddedforce and vibration sensors and an improvedresidual network. Measurement. 2022. V. 199. P. 111520. 1
15. Fominov E.V., Gvindjiliya V.E., Marchenko A.A., Shuchev C.G. Effect of Periodic Fluctuations of Cutting Mode Parameters on the Temperature of the Front Face of a Turning Tool. Advanced Engineering Research (Rostov-on-Don). 2025. V. 25. № 1. P. 32–42. 1
16. Наумов Ибадов … НТ-1 2026