jump to navigation

Applying limit to surface plot in MATLAB August 30, 2010

Posted by viboon in : Matlab , add a comment
1
2
3
4
z=peaks;
z(abs(z)>2)=nan;
surf(z);
zlim([-10 10]);

NaN will not be included.


Tags: , ,

Related posts:

เทคโนโลยีการตัดเฉือนวัสดุ: เรขาคณิตของเครื่องมือตัด (2) August 27, 2010

Posted by viboon in : Manufacturing technologies , add a comment

Side และ End Relief Angles
มุมหลบ หรือ relief angles ที่ด้านข้างของเครื่องมือตัดมีจุดประสงค์เพื่อลดโอกาสในการแตกหักและเพิ่มอายุการใช้งานของเครื่องมือตัด โดยทั่วไปมุมหลบควรมีขนาดที่มากเท่าที่จะเป็นไปได้เพื่อเพิ่มประสิทธิภาพในการตัด อย่างไรก็ตาม หากใช้มุมหลบที่ใหญ่มากจนเกินไปจะทำให้คมตัดมีโอกาสที่จะแตกร้าวหรือแตกหักได้ง่าย หากมุมที่ใช้น้อยมากจนเกินไปก็จะทำให้เครื่องมือตัดเกิดการขัดสีบนผิวชิ้นงานทำให้เกิดความร้อนสูงบนเครื่องมือตัดซึ่งจะไปลดอายุการใช้งานของเครื่องมือตัดลง

มุมหลบที่มีค่าน้อยๆ มักจะใช้ในกระบวนการตัดเฉือนวัสดุที่แข็งและมีความแข็งแรงมากๆ รวมไปถึงกระบวนการตัดที่มีอัตราการตัดเนื้อวัสดุสูงๆ หรือมีความไม่ต่อเนื่องของการตัดมากๆ การใช้มุมหลบที่มีขนาดใหญ่มากขึ้นมักใช้สำหรับการตัดวัสดุอ่อนทั่วไป และในกระบวนการตัดเพื่อให้ได้ผิวสุดท้าย อย่าง semi-finish และ finish cutting

Lead Angle
มุมนำ หรือ Lead angle คือมุมที่ชุดจับเครื่องมือตัดถูกปรับตั้งทำมุมค่าหนึ่งๆ เพื่อความเหมาะสมในกระบวนการตัดในงานเฉพาะอย่าง มุมนำที่เป็นบวกจะนิยมใช้โดยทั่วไปซึ่งจะให้ผลที่สำคัญ 2 ประการคือ ให้เศษตัดที่มีขนาดเล็ก และ ป้องกันเม็ดมีดตัดในระหว่างกระบวนการตัด นอกจากนี้ความหนาของผิวงานที่จะถูกตัด หรือ undeformed chip thickness จะลดลงเมื่อเลือกใช้มุมนำที่เป็นบวก โดยมุมนำที่นิยมใช้จะมีค่าอยู่ในช่วง 10, 15, 30 และ 45 องศา แตกต่างไปตามลักษณะงาน

มุมนำที่เป็นบวกยังช่วยลดแรงตัดที่อยู่ในทิศทางของการป้อน หรือ longitudinal force อีกด้วย แต่จะไปเพิ่มแรงตัดที่อยู่ในแนวรัศมีแทน เนื่องจากแรงที่เกิดจากการตัดมักจะพิจารณาในทิศทางตั้งฉากกับคมตัด ซึ่งอาจส่งผลให้เกิดปัญหาได้หากชิ้นงานไม่ได้รับการจับยึดที่มั่นคงพอโดยเฉพาะที่ปลายอีกด้านของชิ้นงานควรใช้ tail stock center ในการยึดชิ้นงานไม่ให้เคลื่อนหรือโค้งงอหนีศูนย์ในระหว่างการตัด นอกจากนี้ มุมนำที่มีค่ามากๆ มีโอกาสเกิดปัญหา chatter เนื่องจากผิวสัมผัสของมีดตัดกับชิ้นงานที่มากขึ้น chatter นี้เกิดจากการบิดหรือเปลี่ยนรูปของเครื่องมือตัดหรือชิ้นงานอันเนื่องมาจากผิวสัมผัสที่เพิ่มมากขึ้น

ในทางกลับกัน มุมนำที่เป็นบวกมากๆ จะช่วยป้องกันเครื่องมือตัดในระหว่างการตัดและยังช่วยเพิ่มอายุการใช้งานของมือตัดอีกด้วย เนื่องจากแรงที่เกิดจากการตัดจะค่อยๆ เพิ่มสูงขึ้นแทนที่จะเป็นการเพิ่มขึ้นอย่างรวดเร็วอย่างในกรณีของการที่ไม่ใช้มุมนำซึ่งทำให้คมตัดเกิด shock load ในทันทีเมื่อคมตัดสัมผัสผิวงาน ส่งผลในอายุการใช้งานสั้นลง การใช้มุมนำที่เป็นบวกนี้ยังช่วยลดการสึกหรอของคมตัดและยังส่งผลในเรื่องของความสามารถในการถ่ายเทความร้อนออกจากคมตัดและชิ้นงานได้ดีอีกด้วยเนื่องจากผิวสัมผัสระหว่างเครื่องมือตัดและชิ้นงานที่มากนั่นเอง

มุมนำที่เป็น 0 หรือเป็นลบ นั้นก้มีข้อดีอยู่บ้าง โดยมุมนำที่เป็น 0 จะลดหน้าสัมผัสของคมตัดลง ซึ่งทำให้ลดโอกาสในการเกิด chatter และแรงตัดในทิศทางการป้อนลง มักเลือกใช้เมื่อชิ้นงานไม่ได้รับการยึดจับมากอย่างในกรณีของการใช้มุมนำที่เป็นบวก มุมนำที่เป็นลบนั้นจะนิยมใช้เมื่อต้องการตัดชิ้นงานที่ต้องการให้เกิดเป็นมุมหรือเหมาะกับงานปาดผิวหน้า หรือ facing แรงที่เกิดจากการตัดจะพยายามดึงตัวเม็ดมีดตัดให้หลุดออกจากที่จับยึดซึ่งอาจส่งผลให้เกิดความคลาดเคลื่อนได้ในระหว่างการตัด ดังนั้นมุมนำแบบที่เป็นลบควรใช้ในงานที่มีความจำเป็นจริงๆ เท่านั้น

รูปประกอบจาก: http://www.tools-n-gizmos.com/info/Lead_Angle.html


Tags: ,

Related posts:

Impact factor of journals in Control and Manufacturing Engineering 2009 August 27, 2010

Posted by viboon in : Uncategorized , add a comment

Automatica
2.631
Journal Of Process Control
2.235
Control Engineering Practice
1.943
Annual Reviews In Control
1.886
Systems & Control Letters
1.797
Advanced Engineering Informatics
1.730
Robotics And Computer-Integrated Manufacturing
1.687
CIRP Annals – Manufacturing Technology
1.603
Computers In Industry
1.524
Engineering Applications Of Artificial Intelligence
1.444
Journal Of Materials Processing Technology
1.420
Journal Of Sound And Vibration
1.414
Journal Of Electrostatics
1.384
Digital Signal Processing
1.317
Mechatronics
1.198
Speech Communication
1.196
Signal Processing
1.135
Applied Ergonomics
1.105
ISA Transactions
1.000
Design Studies
0.983
International Journal Of Industrial Ergonomics
0.956
Signal Processing-Image Communication
0.873
Applied Acoustics
0.784
Measurement
0.761
Biomedical Signal Processing and Control
0.620
Computers & Electrical Engineering
0.475
Journal Of Manufacturing Systems
0.216


Tags: , , ,

Related posts:

Controlling saturation levels of colormap in MATLAB August 27, 2010

Posted by viboon in : Matlab , add a comment

Sometimes we want to change the level of color mapping to be fitted in a specific range. To adjust the level, we have to change/assign some plot’s properties by using “set” function as expressed below.

1
2
3
4
set(gca, 'cdatamapping', 'scaled')
%
set(gca, 'climmode', 'manual')
set(gca, 'clim', [1 10]) %mapping of 1 to 10

Tags: , ,

Related posts:

การใช้ Monte Carlo Simulation ในปัญหาวิศวกรรม August 27, 2010

Posted by viboon in : Matlab, Science and engineering , add a comment

Monte Carlo Simulation เป็นการสุ่มข้อมูลเพื่อให้เห็นลักษณะของข้อมูลที่กระจายตัวรอบค่าหนึ่งๆ โดยวิธี Monte Carlo นี้ถูกนำเอาไปใช้ในงานต่างๆ มากมายเช่น การจำลองการเคลื่อนที่ของ particle การวิเคราะห์ความเสี่ยง การวิเคราะห์ความมีเสถียรภาพของระบบ และการนำไปประยุกต์ใช้ใน molecular modeling เป็นต้น

ในที่นี้ของยกตัวอย่างการคำนวณหา displacement ของ cantilever beam ซึ่งสามารถคำนวณได้ตามสมการ

delta = FL3/3EI

โดยที่ delta, F, L, E และ I คือ displacement, แรงที่กระทำกับ beam, ความยาว beam, elastic modulus และ moment of inertia of an area ตามลำดับ หากกำหนดให้ beam มีพื้นที่หน้าตัดเป็นวงกลม ค่า I สามารถคำนวณได้จาก

I = pi*d4/64

ปัญหาคือ beam ใดๆ ที่ถูกผลิตออกมาอาจมีค่า E ต่างกันไปบ้างเล็กน้อยอันเนื่องมาจากความแปรปรวนของวัสดุ ขนาดเส้นผ่านศูนย์กลางก็อาจต่างไปบ้างเล็กน้อยจากกระบวนการผลิต และ เมื่อนำเอาไปใช้งาน แรงที่ให้อาจต่างกันไปตามปัจจัยอื่นๆ ที่อยู่นอกเหนือการควบคุม ดังนั้น ในปัญหานี้ ค่า E, d และ F จะถูกกำหนดให้เป็น random variable โดยในปัญหานี้ขอกำหนดให้มีการกระจายตัวของตัวแปรสุ่มแบบ uniform

กำหนดให้
Fmin=1000N, Fmax=1050N
dmin=0.01m, dmax=0.011m
Emin=200GPa, Emax=210GPa
โดยที่ L=0.1m เป็นค่าคงที่

ในที่นี้ การคำนวณจำใช้ MATLAB โดยเป็นไปตาม code ต่อไปนี้

1
2
3
4
5
6
7
8
9
L=0.1;
i=1000; %1000 samples
F=1000+50*rand(i,1);
d=0.01+0.001*rand(i,1);
E=200e9+10e9*rand(i,1);
I=pi*d.^4/64;
delta=F.*L^3./(3.*E.*I);
hist(delta,100)
xlabel('Displacement (m)');

ผลลัพธ์ในรูป histogram


Tags: , , , , , ,

Related posts:

การหา arithmetic และ geometric means ด้วย MATLAB August 24, 2010

Posted by viboon in : Matlab , add a comment

ในการคำนวณหาค่า arithmetic mean หรือที่เรานิยมเรียกสั้นๆ ว่า mean นั้น หาได้โดย

1
ArithmeticMean = sum(x)/numel(x)

หรือสามารถใช้ function mean ได้โดยตรง

1
ArithmeticMean = mean(x)

โดย x คือชุดข้อมูลในรูปของ vector

สำหรับ geometric mean จะเป็นการหาค่า mean ในลักษณะของการคูณหรือ exponential ซึ่งสามารถคำนวณได้จาก

1
GeometricMean = prod(x)^(1/numel(x))

อย่างไรก็ตาม การใช้วิธีข้างต้นอาจไม่เหมาะกับข้อมูลขนาดใหญ่ที่มีปริมาณมากๆ เนื่องจากผลคูณจะทำให้ค่าที่ได้เกินขอบเขตของตัวแปรใน matlab ที่สามารถจะรับได้ ดังนั้นการแปลงให้อยู่ในรูป exponential ก็เป็นอีกวิธีหนึ่งที่ช่วยให้ได้ผลลัพธ์เดียวกันแต่ลดโอกาสการเกิดปัญหา Inf หรือ Infinity ใน matlab

1
GeometricMean = exp(sum(log(x))/numel(x))

Tags: , , ,

Related posts:

Why does a golf ball have dimples? August 19, 2010

Posted by viboon in : Science and engineering , add a comment

Ref: http://www.livescience.com/mysteries/061020_golf_balls.html


Tags: , , ,

Related posts:

ODE เบื้องต้นสำหรับ MATLAB August 19, 2010

Posted by viboon in : Mathematics, Matlab , add a comment

Numerical methods นิยมใช้ในการแก้ปัญหาแบบ initial-value problem โดยอาศัยการประมาณเพื่อให้ได้ค่าที่ใกล้เคียงกับ exact solution

ใน MATLAB สามารถแก้ปัญหา ODEs ได้โดยใช้ functions ทาง ODE ต่างๆ ที่มีให้ ซึ่งจะแตกต่างไปตามความแม่นยำและระยะเวลาในการ solve รูปแบบการใช้งานเป็นไปตามคำสั่งด้านล่าง

1
2
[outputs] = dydt(inputs) %Derivative function(s)
[t,y] = solver(@dydt,TimeInterval,InitialConditions,options)

โดย function ที่นิยมใช้ในการคำนวณ (solver) มีดังนี้
ode45 — ความถูกต้อง ปานกลาง (โดยทั่วไปจะใช้ solver ตัวนี้)
ode23 — ความถูกต้อง ต่ำ (น้อยกว่า ode45)
ode113 — ความถูกต้อง สูงไปจนถึงต่ำ (เหมาะกับปัญหาที่มีความซับซ้อน)
ode15s — ความถูกต้อง ปานกลางไปจนถึงต่ำ (มักใช้เมื่อ ode45 ไม่สามารถทำการคำนวณได้ถูกต้องหรือให้ผลการคำนวณที่แกว่งมาก (stiff problems))

สำหรับการเลือกใช้วิธีในการแก้ปัญหาก็แตกต่างไปตามความถูกต้องและความเร็วในการคำนวณ โดยจะขึ้นอยู่กับ order ของ derivative function เช่น
Euler’s Method – 1st order expansion
Midpoint method – 2nd order expansion
Runge-Kutta – 4th order expansion


Tags: , ,

Related posts: