Este estudo propõe a análise das condições da ferramenta de corte através do sinal elétrico gerado pelo efeito conhecido como termopar peça-ferramenta. A tensão gerada durante o processo de corte tem sido utilizada por vários autores com a intenção de registrar o aumento médio da temperatura na região de corte. No entanto, os sinais brutos gerados neste tipo de termopar são altamente dependentes dos fenômenos existentes na interface de contato entre a peça e a ferramenta, sendo não estacionários e acompanhados de intenso ruído. Por isso, há necessidade de ferramentas de análise que possam auxiliar na identificação de características do processo contidas nos sinais.

Neste estudo, explorou-se como as variações temporais em diferentes bandas de frequência deste tipo de sinal estão relacionadas com as modificações das interações na região de corte, ou seja, na interface peça-ferramenta. Os sinais coletados foram analisados em bandas de frequência com a utilização da Transformada Wavelet, a fim de extrair características temporais relevantes do comportamento do sinal elétrico que se relacionem com as condições da ferramenta de corte, especialmente com o desgaste de flanco.

 

Monitoramento do processo de corte

Durante a usinagem, a remoção de material é acompanhada de grandes tensões e formação de cavaco que alteram a geometria da ferramenta de corte gradativamente ou levam à fratura abrupta^[8]. O desgaste da ferramenta de corte gera consequências indesejáveis ao processo de usinagem, a exemplo de peças fora das dimensões especificadas, acabamento superficial deteriorado e aumento dos esforços e potência de usinagem, além da vibração do sistema^[4,13,18].

O desgaste ocorre principalmente em duas regiões: na aresta de corte e na superfície de saída. No primeiro caso, há o contato direto entre a peça e a ferramenta e consequente desgaste de flanco. No segundo, ocorre a formação do desgaste de cratera associado aos mecanismos de difusão, que podem levar à fratura repentina da ferramenta. Os desgastes devem ser monitorados para haver a completa automação da usinagem, confiabilidade, qualidade e otimização do processo^[14,15].

Os processos de usinagem não são de fácil previsibilidade, pois envolvem fenômenos como deformação plástica, fratura, impacto, pontos de contato contínuos ou intermitentes, fricção e desgaste^[1]. Várias técnicas de monitoramento já desenvolvidas podem ser agrupadas em duas categorias principais: medições diretas, que apresentam grandes dificuldades e pouco sucesso, e as medições indiretas. Pelos métodos indiretos, as condições da ferramenta são obtidas por meio da interpretação dos sinais gerados. Seus resultados são fortemente dependentes da qualidade do sinal adquirido e da sua correlação com o estado físico da ferramenta^[2,7,8].

A correspondência das informações contidas no sinal com as condições da ferramenta de corte não é trivial, pois o processo de corte é de natureza estocástica (não estacionária) e não se relaciona linearmente com o desgaste da ferramenta. Neste aspecto, os pesquisadores têm se concentrado na investigação dos sinais utilizando técnicas de análise temporal, como a Transformada Wavelet (WT).

Com o emprego da WT, podese relacionar a frequência dos sinais gerados durante o corte com o surgimento e evolução de uma avaria na ferramenta^[12,16]. Uma técnica de processamento de sinal rápida e confiável é extremamente necessária para o sistema de monitoramento^[9].

O método de análise dos sinais tradicional utilizado na usinagem é baseado na Transformada Rápida de Fourier (FFT), que é capaz apenas de identificar as frequências contidas no sinal, sem, no entanto, caracterizar o comportamento temporal do sinal[6]. Para superar essa dificuldade, foi necessário introduzir a função de janelamento à transformada. Assim, segmentando a função em janelas temporais, nas quais se considera que a porção do sinal tem características estacionárias, criou-se a Transformada de Curto Tempo de Fourier (STFT), capaz de localizar as mudanças do sinal no domínio temporal. Mas as janelas têm resolução temporal constante e as altas resoluções no domínio do tempo e da frequência não são alcançadas simultaneamente. Por isso, a STFT não é adequada para análise de sinais não estacionários^[8].

Para superar os problemas de aplicação da STFT, a teoria Wavelet foi aprimorada intensamente no final de 1980 por Mallat e Daubechies^[17].

A ideia básica do processamento do sinal com Wavelets está no fato de que o sinal pode ser decomposto com o uso de funções-base. Essas funções-base são versões escalonadas e transladadas da Wavelet-mãe^[10].

A Transformada Wavelet Contínua (CWT) de um sinal com energia limitada (f(t)) é descrita por:

Onde:

s = parâmetro de escalonamento da função e

τ = parâmetro de translação no tempo.

A Wavelet-mãe, representada por ψ, é a origem de onde serão derivadas as Wavelets escalonadas e transladadas, que definirão o janelamento da função a ser transformada^[2].

A WT usa janelas de diferentes comprimentos para diferentes frequências. Altas frequências são analisadas com janelas estreitas (intervalos de tempos pequenos são suficientes para se detectar altas frequências), enquanto baixas frequências usam janelas largas para melhor resolução na frequência, mas com perda da resolução temporal. Logo, a WT extrai informações de diferentes bandas de frequência ao longo do tempo, decompondo o sinal através de versões escalonadas e transladadas da Waveletmãe^[17]. A figura 1 apresenta a comparação entre as resoluções no tempo (u) e frequência (ω) do sinal original (a), da transformada de Fourier (b), da STFT (c) e da WT (d).

Figura 1 – Resolução no tempo e frequência (adaptado de^[8]).

A parte superior da figura 2 mostra um sinal com frequência variada e sua correspondente transformada no escalograma da CWT, bem como a variação dos coeficientes da aproximação para a frequência selecionada de 51 Hz. A CWT é capaz de representar a variação da frequência do sinal e sua localização temporal.

Figura 2 – Transformada Wavelet Contínua de sinal com mudança abrupta na frequência.

Embora a Transformada Wavelet Contínua seja uma ferramenta efetiva para a análise de sinais estacionários e não estacionários, ela envolve muita informação redundante que eleva o custo computacional.

Outro tipo de WT é a Transformada Wavelet em Pacote (WPT), na qual o sinal original é decomposto em duas partes: os coeficientes resultantes de um filtro passa-baixo, denominados de aproximações, e os coeficientes resultantes de um filtro passa-alto, denominados como detalhes. É formada então uma estrutura de decomposição recursiva das aproximações e detalhes de cada nível. Assim, o nível seguinte é resultado de uma subamostragem do nível superior, o que gera uma estrutura de decomposição em árvore sem perder informações úteis^[17].

A figura 3 ilustra a decomposição sucessiva das aproximações e detalhes do sinal no qual o pacote (4,1) é destacado, mostrando a função de filtro de frequências da WT e evidenciando a mudança temporal do sinal.

Figura 3 – Transformada Wavelet em Pacotes de sinal com mudança abrupta de frequência.

Na aplicação em usinagem, um estudo desenvolveu um sistema de monitoramento das condições de desgaste da ferramenta de corte na operação de torneamento, utilizando a Transformada Wavelet em Pacotes para analisar os sinais de emissão acústica (EA) durante a operação. A WPT foi utilizada para decompor o sinal em diferentes bandas de frequência no domínio do tempo, e foi extraída a raiz média quadrada (RMS) do sinal decomposto de cada banda, que foi usada como característica para a classificação das condições da ferramenta.

Neste experimento, as condições da ferramenta foram classificadas em quatro diferentes estados, de acordo com o aumento do desgaste. Como resultado, verificou-se que a média dos acertos na classificação foi de 90,25%^[11].

Visando à detecção dos tipos de desgastes presentes nas ferramentas de furação, um projeto estudou a capacidade das redes neurais alimentadas com valores médios dos coeficientes da WT resultante de sinais de vibração. Neste trabalho, o autor encontrou resultados promissores, que permitiram a classificação correta dos tipos de desgaste em mais de 90% dos ensaios^[1].

A WTP é usualmente empregada para extrair as características importantes dos sinais dos sistemas de monitoramento. Cada pacote da transformada é representado por um valor global dos seus coeficientes como a média, o valor RMS, desvio padrão, variância, valor pico a pico ou curtose. Estes valores são geralmente utilizados para alimentar redes neurais artificiais que detectam efetivamente o desgaste da ferramenta de corte^[17].

 

O termopar peça-ferramenta

Nos estudos realizados sobre a relação entre o desgaste da ferramenta de corte e a força eletromotriz (FEM) gerada pelas interações tribológicas na interface de corte, alguns pesquisadores analisam a presença da componente DC (efeito Seeback) para usar este princípio na confecção de um termopar. Por meio disso, a ferramenta de corte é transformada em um transdutor, cujos sinais podem ser usados no monitoramento da vida da ferramenta. Outros pesquisadores têm identifi cado variações na componente AC do sinal (efeito Fermi), que também pode ser relacionado com o desgaste da ferramenta^[5].

A FEM registrada possui uma componente DC, representada pela tensão média em torno do qual o sinal se estabiliza. Esta componente DC indica o estado estável do processo de corte, no qual parâmetros de corte como velocidade, profundidade e avanço são mantidos constantes. Entretanto, o desgaste gradual da ferramenta, a vibração, a rugosidade da peça, a presença de aresta postiça de corte e a formação de cavaco são fatores que tornam o processo não estacionário, representado pela componente AC de menor amplitude, que se soma à componente DC^[3].

Assim, por meio da análise do sinal elétrico de tensão gerado durante o corte pela própria interação entre a peça e ferramenta, é possível determinar as condições nas quais a usinagem está ocorrendo.

 

Materiais e métodos

Sistema de aquisição de dados

A aquisição do sinal de tensão gerado pelo efeito termopar entre peça e ferramenta depende do isolamento elétrico deste conjunto do restante do torno e o isolamento deve garantir a rigidez do sistema. Para aquisição da tensão elétrica gerada, foi inserido um conector no porta-ferramenta e outro no corpo de prova, sendo o sinal deste último transmitido por uma escova de grafi te que permite a rotação da peça.

Para reduzir o ruído do ambiente laboratorial nos sinais aquisitados, confeccionou-se um sistema amplificador baseado no amplificador instrumental de alta precisão INA 101HP e no amplificador operacional LM 358N, alimentados por baterias, eliminando possíveis interferências da rede elétrica. Para evitar ruídos por interferências nos cabos, foram utilizados cabos blindados aterrados, cilindros de ferrite e a técnica conhecida como blindagem do sinal, comum em amplificadores de eletrocardiogramas.

Além da preocupação com a alimentação do sistema de amplificação, constatou-se a importância do uso de um notebook operando com bateria própria. Para a transmissão do sinal amplificado ao notebook, utilizou-se o sistema de aquisição NI-USB-6009, com taxa de aquisição de 48 kHz. A figura 4 ilustra o sistema de aquisição do termopar peça-ferramenta.

Figura 4 – Esquema de montagem do sistema de aquisição do sinal elétrico do termopar peça-ferramenta.

Os esforços de corte foram captados utilizando-se o dinamômetro de três coordenadas da Kistler – 9257BA conectado à unidade de controle 5233A1, que possui um filtro passa-baixo de 200 Hz e permite a seleção do range apropriado para os esforços em cada direção.

Como o dinamômetro deve ser isolado do porta-ferramenta, optou-se por utilizar um computador para registrar os esforços. As saídas da unidade de controle do dinamômetro foram conectadas à placa de aquisição de dados PCI 6035i, da National Instrument, através do bloco de conexões CB-68LP.

Os programas utilizados foram desenvolvidos em ambiente LabView 6.1, para a interface de conexão e gravação dos dados das placas USB e PCI. Os sinais dos ensaios foram registrados em arquivos binários e então analisados por rotinas desenvolvidas no programa Matlab.

 

Condições de corte

Neste experimento, foram confeccionados corpos de prova de aço AISI 1045 com rebaixos que permitem a quebra do cavaco ao longo dos ensaios, formando 10 trechos de corte por corpo de prova.

Foram estudados os sinais gerados no torneamento com ferramentas sem revestimento fabricadas pela Iscar, de classificação TPUN 160308, sem quebra-cavacos, IC 20, ISO M10-M-25. A operação de torneamento foi realizada em um torno convencional Romi, modelo Tormax 30, com 7,5 kW de potência.

A tabela 1 apresenta as oito configurações dos parâmetros de corte adotadas para os ensaios. Cada condição de corte representa uma aresta nova da ferramenta de corte. Para analisar a influência do desgaste nos sinais coletados, foram realizados três passes da mesma ferramenta sobre o mesmo corpo de prova, obtendo-se desgaste gradual da ferramenta entre os ensaios. Ao final de cada ensaio, foi mensurado o desgaste de flanco máximo (VBmáx ) da ferramenta de corte e as geometrias dos cavacos produzidos também foram registradas.

 

Análise dos dados coletados

O comportamento da componente constante do efeito termopar peça-ferramenta foi analisado por meio da correlação dos valores médios de tensão, esforços de corte e desgaste de flanco da ferramenta, registrados nos instantes finais de cada ensaio para verificação das mudanças no comportamento do sinal com o aumento do desgaste. Uma análise de variância (Anova) para experimentos fatoriais de dois níveis foi realizada, para estudar a influência dos parâmetros de corte no efeito termopar produzido.

Os fenômenos associados às modificações na interação peça-ferramenta geram ruí - dos não estacionários em diversas frequências dos sinais registrados. Utilizando a Transformada Wavelet Packets de Daubechies, de ordem 6 e nível 8, foi possível decompor o sinal original de cada ensaio em 256 sinais correspondentes cada um a uma banda de frequência específica. Cada um dos 256 pacotes resultantes da WPT dos ensaios foi transformado em um valor RMS, que permite extrair informações referentes à intensidade média e ao desvio padrão dos sinais, considerada uma maneira eficaz de resumir o comportamento temporal de cada banda de frequência. Para identificar os pacotes (ou bandas de frequência) que tiveram seu comportamento alterado pelo aumento do desgaste, calculou-se uma Anova de fator único comparando os valores RMS dos pacotes dos ensaios dentro de cada condição de corte.

Este estudo visou descrever as interações entre todos os fatores analisados e a tensão elétrica gerada na interface de corte, mostrando como sua variação está relacionada com o desgaste da ferramenta de corte.

 

Resultados e discussão

Com o corpo de prova segmentado em 10 trechos, foi possível observar que o transdutor possui uma rápida resposta ao início e ao fim do processo de corte. Com isso, é possível detectar o início e o fim do trecho de usinagem, já que a tensão é exclusivamente gerada pela interação entre a peça e a ferramenta.

A análise de variância fatorial realizada demonstrou a dependência da componente constante do efeito termopar aos parâmetros de corte, com diferença estatisticamente significante entre as condições de corte, devido às mudanças na rotação (valor p < 0,049) e profundidade de corte (valor p < 0,015).

A tabela 2 apresenta a amplitude média da FEM e dos esforços de corte nos instantes finais de cada ensaio, além do desgaste de flanco máximo da ferramenta.

Os resultados experimentais indicam que a componente estacionária do efeito termopar peça-ferramenta está diretamente relacionada com os esforços de corte e os parâmetros de corte, nas condições em que o desgaste de flanco máximo das ferramentas não foi superior a 0,110 mm e os esforços de corte foram menores, como pode ser observado nos ensaios 1 a 9 e também em 13, 14 e 15.

A tabela 3 apresenta os coeficientes de correlação entre os valores médios registrados dos esforços de corte e FEM ao final de cada ensaio, agrupados por passe. Os resultados indicam que com o aumento do desgaste da ferramenta (V_Bmáx) a correlação entre os esforços de corte e a FEM diminuem, assim como apresentado na tabela 2.

Nos ensaios 10, 11 e 12 ocorreu a formação de aresta postiça de corte, além de um desgaste acentuado da ferramenta de corte. No ensaio 12 houve queda da tensão produzida pelo efeito termopar, indicando uma modificação na tribologia do processo de corte relacionada com o desgaste excessivo da ferramenta de corte. Comportamento semelhante foi observado nos ensaios 19, 20, 21 e 24.

O desgaste de flanco elevado da ferramenta de corte gera uma modificação na superfície de contato entre peça e ferramenta, alterando a transferência de calor e o processo de formação de cavaco. Isso demonstra que o termopar peça-ferramenta não está apenas relacionado com os esforços de corte, mas também com as condições da superfície da ferramenta e com a formação do cavaco.

A figura 5 apresenta as tensões médias registradas na condição 07 ao longo dos 10 trechos de corte do corpo de prova. Na configuração de corte 7 ocorreu a quebra da ferramenta de corte durante o 9o trecho de corte do ensaio 19, quando o cavaco removido deixou de ter formato de fi ta e passou a ser quebradiço. No ensaio 21 ocorre a adesão de material na ferramenta, com formação de aresta postiça de corte, elevando a tensão registrada. O cavaco volta a ser removido como fi ta no trecho 8 do ensaio 21, indicando mudança na forma de cisalhamento do material e tribologia do contato.

Figura 5 – Tensões geradas pelo termopar peça-ferramenta na condição 7.

A figura 6 mostra os esforços de corte médios registrados ao longo dos ensaios 19, 20 e 21. Enquanto o termopar peça-ferramenta permite a identificação do exato momento em que ocorre alteração no processo de corte, os esforços de corte não representam claramente essa relação.

Figura 6 – Esforços de corte na condição 7.

Os esforços de corte aquisitados não forneceram valores que permitissem essa identificação, pois representam a energia necessária para cisalhar o material. São assumidos valores que dependem das configurações de corte e do material usinado, enquanto a tensão elétrica do efeito termopar peça-ferramenta representa a interação entre esforços de corte, o material usinado, a integridade da ferramenta e o tipo de cavaco que está sendo formado.

O momento da fratura da ferramenta de corte ocorreu durante o ensaio 24, ao longo de uma trinca que surgiu no ensaio 23. Como os corpos de prova possuíam sulcos para a quebra do cavaco formado, a fratura da ferramenta ocorreu no impacto da ferramenta com o novo trecho de corte. A tensão elétrica gerada no 9o e início do 10o trecho possui uma componente constante menor do que no 8o trecho, com a ocorrência de picos de tensão devido à formação do cavaco e de aresta postiça de corte.

No último trecho, a formação de aresta postiça de corte eleva a intensidade da tensão e de suas variações por alguns instantes aos patamares do 8o trecho. A formação da trinca e posterior fratura da ferramenta são apresentadas na figura 7.

Figura 7 – Fratura da ferramenta de corte na condição 8.

Quando a ferramenta de corte sofre desgaste excessivo, o efeito termopar tem seu comportamento alterado, diminuindo sua intensidade e variação. Este comportamento foi notado nos ensaios 12, 19, 20, 21 e 24, mas sua quantificação e análise como indicador das condições do processo de corte não é trivial o suficiente para ser representado apenas por valores médios dos ensaios.

As mudanças nas interações entre peça e ferramenta geram interferências não estacionárias em diversas frequências. Este estudo analisou o comportamento não estacionário do efeito termopar peça-ferramenta, examinando o ruído produzido e suas variações. Não necessariamente a intensidade do ruído é o fator relevante, mas sim seu comportamento ao longo dos ensaios.

Cada sinal reconstruído da WPT foi então representado por um valor RMS. O valor RMS permite extrair informações referentes à intensidade média e ao desvio padrão dos sinais, representando de maneira eficaz o comportamento de cada banda de frequência.

Para a realização dos testes estatísticos, foram decompostos três trechos de corte de cada ensaio pela WPT, fornecendo, então, 768 valores RMS para cada ensaio.

Uma Anova foi montada para identificar em quais bandas de frequência, ou pacotes da transformada Wavelet, houve diferença estatisticamente significante com o aumento do desgaste e se esses pacotes eram coincidentes

entre as condições de corte. Assim, agrupando os três valores RMS de cada pacote de um mesmo ensaio e analisando todas as condições de corte, obteve-se o valor-p da Anova de fator único.

Os resultados indicam que as bandas de frequência próximas a 16, 24 e 29 kHz, além do primeiro pacote que compreende a componente constante dos sinais, apresentaram comportamentos significativamente diferente devido ao aumento do desgaste nas diferentes condições de corte.

 

Conclusão

A utilização do sinal de tensão proveniente das interações na interface de corte demonstrou grande capacidade de indicar as condições físicas da ferramenta de corte. Este estudo demonstrou como a força eletromotriz está diretamente relacionada com os esforços, parâmetros de corte, formação de cavaco e desgaste da ferramenta. Foi observado que, por ser um fenômeno originado na interface do processo de corte, a formação de aresta postiça de corte e quebra da ferramenta interferem no sinal de tensão produzido.

Examinando as variações dos sinais captados, observou-se que os ruídos produzidos pelo processo possuem variações temporais em algumas bandas de frequência específicas, relacionadas com o aumento do desgaste da ferramenta. A WPT é capaz de extrair essas informações e o uso de técnicas de sensoriamento baseado no sistema termopar peça-ferramenta torna-se promissor.

Esta pesquisa investigou os comportamentos dos sinais coletados nos ensaios e suas modificações conforme eram alteradas as interações entre peça e ferramenta, comprovando suas relações. Sugere-se que novos esforços sejam executados no uso do sinal do termopar peça-ferramenta como forma de monitoramento do processo de corte, através do emprego de redes neurais artificiais e da lógica Fuzzy. Ou seja, sistemas capazes de relacionar as informações captadas pela WPT com as condições da ferramenta de corte, a fim de criar um sistema de baixo custo capaz de identificar em tempo real, ou até mesmo predizer, o fim de vida da ferramenta de corte.

 

Referências

1. Abu-Mahfouz, I.: Drilling wear detection and classification using vibration signals and artificial neural network. International Journal of Machine Tools & Manufacture, v. 43, p.707-720, 2003.
2. Abu-Zahra, N. H.; Yu, G.: Gradual wear monitoring of turning inserts using wavelet analysis of ultrasound waves. International Journal of Machine Tools & Manufacture, v. 43, p. 337-343, 2003.
3. Byrne, G.: Thermoeletric signal characteristics and average interfacial temperatures in the machining of metal under geometrically defined conditions. International Journal of Machine Tools & Manufacture, v. 27, no 2, p. 215-224, 1987.
4. Choudhury, S. K.; Bartarya, G.: Role of temperature and surface finish in predicting tool wear using neural network and design of experiments. International Journal of Machine Tools & Manufacture, v. 43, p. 747-753, 2003.
5. Donovan, A.; Scott, W.: On-line monitoring of cutting tool wear through tribo FEM analysis. International Journal of Machine Tools & Manufacture, v. 35, no 11, p. 1523-1535, 1995.
6. Kamarthi, S. V.; Kumara, S. R. T.: Flank wear estimation in turning through wavelet representation of acoustic emission signals. Journal of Manufacturing Science and Engineering, v. 122, p. 12-19, 2000.
7. Kilundu, B.; Dehombreux, P.; Chiementin, X.: Tool wear monitoring by machine learning techniques and singular spectrum analysis. Mechanical Systems and Signal Processing, v. 25, p. 400-415, 2011.
8. Kunpeng, Z.; Yoke S. W.; Geok S. H.: Wavelet analysis of sensor signals for tool condition monitoring: a review and some new results. International Journal of Machine Tools & Manufacture, v. 49, p. 537-533, 2009.
9. Li, W.; Gong, W.; Obikawa, T.; Shirakashi, T.: A method of recognizing toll-wear states based on a fast algorithm of wavelet transform. Journal of Materials Processing Technology, no 170, p. 374-380, 2005.
10. Li, X.: A brief review: acoustic emission method for tool wear monitoring during turning. International Journal of Machine Tools & Manufacture, v. 42, p. 157-165, 2002.
11. Li, X.; Zhejun, Y.: Tool wear monitoring with wavelet packet transform-fuzzy clustering method. Wear, v. 219, no 2, p. 145-154, 1998.
12. Li, X.; Tso, S. K.; Wang, J.: Real-time tool condition using wavelet transforms and fuzzy techniques. IEEE Transactions on Systems, Man and Cybernetics, Part C, Applications and Reviews, v. 30, no 3, 2000.
13. Li, X.; Dong, S.; Yuan, Z.: Discrete wavelet transform for tool breakage monitoring. International Journal of Machine Tools & Manufacture, v. 39, p. 1935-1944, 1999.
14. Liu, Q.; Altintas, Y.: On-line monitoring of flank wear in turning with multilayered feed-forward neural network. International Journal of Machine Tools & Manufacture, v. 39, p. 1945-1959, 1999.
15. Obikawa, T.; Shinozuka, J.: Monitoring of flank wear of coated tools in high speed machining with neural network ART2. International Journal of Machine Tools & Manufacture, v. 44, p. 1311-1318, 2004.
16. Salgado, D. R.; Alonso, F. J.: Tool wear detection in turning operations using singular spectrum analysis. Journal of Materials Processing Technology, v. 171, p. 451-458, 2006.
17. Teiti, R.; Jemielniak, K.; O’Donnel, G.; Dornfeld, D.: Advanced monitoring of machining operations. Manufacturing Technology, Anais do Cirp, v. 59, p. 717-739, 2010.
18. Wang, L.; Liang, M.: Chatter detection based on probability distribution of Wavelet modulus máxima. Robots and ComputerIntegrated Manufacturing, v. 25, p. 989-998, 2009.