Zastosowanie SSN do wyznaczania parametrów gięcia profili konstrukcyjnych

• Autorzy: Litwin P. , Stachowicz F.

Warianty tytułu

EN

Application of artificial neural networks to determination of bending parameters of construction profiles

• Języki publikacji: PL

Abstrakty

PL

Analityczne określanie podstawowych parametrów procesu gięcia jest dość skomplikowane i może być przeprowadzone po spełnieniu określonych założeń. Sztuczne Sieci Neuronowe są alternatywną metodą, zapewniającą osiąganie zadowalających dokładności przy określaniu momentu gnącego jak również wartości współczynnika sprężynowania. Wyniki przeprowadzonych eksperymentów neuronowych charakteryzuje wysoka zgodność z wynikami badań doświadczalnych, możliwe jest zatem stworzenie bazy danych zawierającej wyniki zrealizowanych procesów gięcia, na podstawie których Perceptron Wielowarstwowy będzie "prognozował" parametry procesu gięcia profili konstrakcyjnych bez konieczności stosowania złożonych, czasochłonnych i kosztownych badań doświadczalnych.

EN

Determination of the bending moment and springback coefficient of thin-walled steel and aluminium alloy profiles, as a function of the bending curvature, was the main objective of the work. The time consuming process of determination of distortion of cross section, which affects bending process of thin wall products, was eliminated. This objective was achieved by an application of the artificial neural networks. Multi-layer Perceptron (MLP) was trained using measured process data of profile bending. The MLP had profile geometry and mechanical parameters of material as input, and bending moment as well as spring-back coefficient as output. It was confirmed that this system is a valid alternative for the quick responsible method of main bending parameters determination.

Słowa kluczowe

PL

proces gięcia; sztuczne sieci neuronowe; perceptron wielowarstwowy

• Wydawca: Wydawnictwo Naukowe AKAPIT
• Czasopismo: Informatyka w Technologii Materiałów
• Rocznik: 2003
• Tom: T. 3, Nr 2
• Strony: 79--85
• Opis fizyczny: Bibliogr. 10 poz., rys.

Twórcy

autor

Litwin P.

• Politechnika Rzeszowska, Wydział Budowy Maszyn i Lotnictwa

autor

Stachowicz F.

• Politechnika Rzeszowska, Wydział Budowy Maszyn i Lotnictwa

Bibliografia

• Al-Qureshi, H. A. 1999, Elastic-plastic analysis of tube bending, Int. J. Machine Tools and Manufacturing, 39, 87-104.
• Endow, J., Murota, T., 1984, On the flattering of cross-section of circular tubes in uniform bending, Adv. Technol. Plasticity, 1,285-290.
• Hertz, J., Krogh, A., Palmer, R.G., 1995, Wstęp do teorii obliczeń neuronowych, WNT, Warszawa 1995.
• Lin, J.C., Tai, C.C., 1999, The application of neural network in the prediction of spring-back in an L-shaped bend, Int. J. Adv. Manufact. Technol., 15, 163-170.
• Litwin, P., Stachowicz, F., 1999, Artificial intelligence identification of profile bending parameters, Conf. Proc. Technology'99, Bratislava, 351-355.
• Reid, S.R., Yu, T.X., Yang, J.L., 1994, Hardening-softening behavior of circular pipes behaviour of circular pipes under bending and tension, Int. J. Mech. Sci., 36, 1073-1085.
• Stachowicz, F., 1990, Moment gnący i sprężynowanie po gięciu profili skrzynkowych ze stopu PA38 - z uwzględnieniem zniekształcenia przekroju, Rudy Metale, 34,115-120.
• Statistica Neural Networks, 1999, Addendum for version 4, Stat-Soft, Tulsa.
• Świątkowski, K., Stachowicz, F., 1984, Analysis of the cross-sectional deformation of box profiles subjected to bending, J. Mech. Work. Technol., 10, 103-116.
• Yu, T.X., Teh, L.S., 1997, Large plastic deformation of beams of angle-section under symmetric bending, Int. J. Mech. Sci., 39,829-239.