Możliwości zastosowania sieci neuronowej RBF do diagnostyki zużycia ostrza w systemie online

• Autorzy: Bombiński S. , Błażejak K. , Nejman M.

Identyfikatory

DOI

10.17814/mechanik.2016.8-9.245

Warianty tytułu

EN

Possibility of applying the RBF neural network to the on-line tool condition monitoring systems

• Języki publikacji: PL

Abstrakty

PL

Porównano wyniki dwóch metod szacowania zużycia ostrza: uzyskane dla sieci neuronowej RBF oraz metodą hierarchiczną. Analizę sygnałów z procesu skrawania przeprowadzono dla trzech różnych eksperymentów, jednoznacznie wykazując skuteczność obu metod.

EN

Presented are the results of a comparison of two different methods of estimating tool wear: obtained for RBF neural network and hierarchical methods. The analysis of the signals from the machining process carried out for three different experiments, clearly demonstrating the effect of both presented methods.

Słowa kluczowe

PL

diagnostyka stanu narzędzia; zużycie ostrza; sieci neuronowe RBF

EN

tool condition monitoring; tool wear; RBF neural network

• Wydawca: Stowarzyszenie Inżynierów i Techników Mechaników Polskich
• Czasopismo: Mechanik
• Rocznik: 2016
• Tom: R. 89, nr 8-9
• Strony: 1056--1057
• Opis fizyczny: Bibliogr. 5 poz., tab., wykr.

Twórcy

autor

Bombiński S.

• Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem Politechniki Warszawskiej

autor

Błażejak K.

• Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem Politechniki Warszawskiej

autor

Nejman M.

• Zakład Automatyzacji, Obrabiarek i Obróbki Skrawaniem Politechniki Warszawskiej

Bibliografia

• 1. Sick B. „On-line and indirect tool wear monitoring with artificial neural networks: a review of more than a decade of research”. Mechanical Systems and Signal Processing. 16(4) (2002): s. 487÷546.
• 2. Chen S.L., Jen Y.W. „Data fusion neural network for tool condition monitoring in CNC milling machining”. International Journal of Machine Tools & Manufacture. 40(3) (2000): s. 381÷400.
• 3. Dimla E., Dimla Snr. „Application of perceptron neural networks to toolstate classification in a metal-turning operation”. Engineering Applications of Artificial Intelligence. 12(4) (1999): pp. 471÷477.
• 4. Pai P.S., Nagabhushana T.N., Rao P.K.R. „Flank Wear Estimation in Face Milling Based on Radial Basis Function Neural Networks”. Int J Adv Manuf Technol. 20 (2002): pp. 241÷247.
• 5. Jemielniak K., Bombiński S. „Hierarchical strategies in tool wear monitoring”. Proc. IMechE Part B: J. Engineering Manufacture. 220(3) (2006): pp. 375÷382.

Uwagi

Opracowanie ze środków MNiSW w ramach umowy 812/P-DUN/2016 na działalność upowszechniającą naukę.