Wybór metody modelowania do prognozowania chropowatości powierzchni po toczeniu

• Autorzy: Kwiatkowska E.

Warianty tytułu

EN

Modelling methods for predicting the surface roughness in turning operations

• Języki publikacji: PL

Abstrakty

PL

W artykule przedstawiono dwie metody prognozowania chropowatości powierzchni po toczeniu: z użyciem sieci neuronowej i modelu analitycznego. Model analityczny i sieć neuronową oparto na jednakowych danych eksperymentalnych. Porównano dokładność prognozowania obiema metodami. Dodatkowo sprawdzono możliwość zastosowania obu metod w poszerzonym zakresie parametrów skrawania.

EN

This paper presents a comparison of two methods for predicting the surface roughness parameter Ra for turning operations. The analytical model and neural network are applied at first to predicting for process parameter used to build up both of them. The usefulness of proposed methods were tested for different process parameters and the predicted values of the surface roughness were compared with data base.

Słowa kluczowe

PL

chropowatość; prognozowanie; model analityczny; sieć neuronowa

EN

roughness; predicting; analytical model; neural network

• Wydawca: Wydawnictwo Politechniki Poznańskiej
• Czasopismo: Archiwum Technologii Maszyn i Automatyzacji
• Rocznik: 2004
• Tom: Vol. 24, nr 2
• Strony: 29--38
• Opis fizyczny: Bibliogr. 8 poz.

Twórcy

autor

Kwiatkowska E.

• Instytut Technologii Maszyn i Automatyzacji Produkcji Politechniki Krakowskiej

Bibliografia

• [1] Boothroyd G., Knight W.A., Fundamentals of machining and machining tools, New York, Marcel Dekker 1989.
• [2] Fang X.D., Towards a universal reference model for machinability prediction, w: Proc. of the CIRP Int. Workshop on Modelling on Machining Operations, 1998, s. 379-385.
• [3] Fang X.D., Jawahir J.S., Predicting total machining performance in finish turning using integrated fuzzy-set models of the machinability parameters, Int. J. Prod. Res., 1994, 32/4, s. 833-849.
• [4] Grzesik W., A revised model for predicting surface roughness in turning, Wear, 1996, 194, s. 143-148.
• [5] Li X.P., Iynkaran K., Nee A.Y.C., A hybrid machining simulator based on predictive machining theory and neural network modelling, w: Proc of the CIRP Int. Workshop on Modelling on Machining Operations, 1998, s. 417-428.
• [6] Lin W.S., Lee B.Y., Wu C.L., Modelling the surface roughness and cutting force for turning, J. of Mat. Proc. Tech., 2001, 108, s. 286-293.
• [7] Miernik M., Skrawalność metali. Metody określania i prognozowania, Wrocław, Oficyna Wydawnicza Politechniki Wrocławskiej 2000.
• [8] Suresh P.V.S., Venkateswara R.P., Deshmukh S.G., A genetic algorithmic approach for optimisation of surface roughness prediction model, Int. J. of Mach. Tools and Manuf., 2002, 42, s. 675-680.