W pracy zaprezentowano wyniki modelowania związków zachodzących pomiędzy siłowymi i cieplnymi oddziaływaniami na przedmiot obrabiany a odchyłkami kształtu i wymiaru otrzymywanego wyrobu. Badania prowadzono na przykładzie procesu toczenia nieortogonalnego tulei cienkościennej. Do rozwiązania analizowanego problemu zastosowano sieci neuronowe typu MLP (multilayer perceptron network) uczone algorytmem wstecznej propagacji błędów BP (backpropagation) i metodą Levenberga - Marquadta oraz sieci o radialnych funkcjach bazowych RBF (radial basic function). Stwierdzono wysoki stopień zgodności odwzorowania przez sieci wynikow pomiarów eksperymentalnych. Zbudowane modele stanowią użyteczne narzędzia, pozwalające na ocenę stanu geometrycznego przedmiotu na etapie projektowania technologii obróbki.
EN
Numerical and experimental results prediction of geometrical workpiece accuracy in turning process are presented here. The main aim of the research work was to build two models. We used an artificial neural networks to estimate the results of experiments. The models are used to predict workpiece errors by the use of cutting force components (Fc, Fp, Ff), temperature of workpiece surface T, and displacement in two axis y and z. The models' output information consist of three geometrical parameters of workpiece (dimension form ΔWym, cylindricity form ΔWal, roundness form ΔOkr).
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.