Abstract
鑽削刀具磨耗之監測是鑽削加工自動化中的重要課題。鑽削時由於深入工件內部，傳統直接監測方式並不適用；而以往間接監測的方法，則受限於所建立監測模式之預測準確性，以致於無法達致令人滿意的監測效果。吾人採用間接監測之方式，以鑽削用動力計為切削力之感測器，並利用神經網路配合田口氏直交表之實驗數據，進行監測模式架構的工作。為了在應用時較能掌握神經網路之優缺點，本研究深入探討神經網路學習收斂之種種特性，並對所架構出之各類網路模式進行實驗的驗證，進而架構出具備準確預測能力之監測模式。結果發現利用田口氏直交表實驗之少數實驗數據，並以逐一訓練之訓練方式訓練網路時，即能架構出收斂迅速且預測準確之監測模式。其預測結果遠較以往線性回歸方式所架構出之監測模式更為準確。且神經網路監測模式在針對高度之刀具磨耗量時，其監測效果尤其的準確，有利於實際利用在切削加工的線上監測工作上。此一理想結果，已成功的解決了傳統鑽削刀具磨耗監測方式所遭遇的困難，更進一步的為神經網路應用於監測系統架構之可能性加以驗證，並為切削加工之適應控制與自動化奠定了重要的基礎。