Neuronowy model wyznaczania energii szlifowania obwodowego elementów konstrukcyjnych silnika
- NIKOŃCZUK Piotr, KRÓLIKOWSKI Tomasz, BAŁASZ Błażej
- Kategoria: Pozostałe zagadnienia
W obecnych czasach duże naciski kładzie się na minimalizację zużycia energii, dotyczy to również obróbki materiałów. Aby minimalizować energię szlifowania, należy dysponować modelem reprezentującym zależności energii szlifowania od różnych parametrów. W artykule przedstawiono wstępne wyniki prac nad utworzeniem systemu ekspertowego w postaci sztucznej sieci neuronowej modelującej zależność energii szlifowania od głębokości szlifowania. Poszukiwanie nowych rozwiązań modelowania pozwoli osiągnąć w przyszłości nowe rozwiązania dla mikro i nanoszlifowania. Przewidywanie wyników sił składowych szlifowania pozwoli wyznaczyć pracę jaką należy wykonanć do usunięcia mikro i nanowarstwy.
NEURAL MODEL OF ENERGY DETERMINATION DURING PERIPHERAL GRINDING PROCESS OF ENGINE PARTS
Nowadays, a lot of pressure is put on minimizing energy consumption in all areas of our lives, this also applies to materials processing. To minimize the energy of grinding, you must have a model that represents the grinding energy depending on various parameters. The article presents the preliminary results of work on the establishment of the expert system in the form of an artificial neural network modeling input energy dependence on the depth of grinding. Disadvantages of conventional methods of grinding (high energy related to the unit and the machined surface due to the effects of) restricts the use of conventional methods in micro-and nano-grinding. Searching for a new ways in modeling allows to develop the new methods of nano-grinding. Based on predicted results will make possible determination of energy required to remove microand nanolayers. (...)
Nowadays, a lot of pressure is put on minimizing energy consumption in all areas of our lives, this also applies to materials processing. To minimize the energy of grinding, you must have a model that represents the grinding energy depending on various parameters. The article presents the preliminary results of work on the establishment of the expert system in the form of an artificial neural network modeling input energy dependence on the depth of grinding. Disadvantages of conventional methods of grinding (high energy related to the unit and the machined surface due to the effects of) restricts the use of conventional methods in micro-and nano-grinding. Searching for a new ways in modeling allows to develop the new methods of nano-grinding. Based on predicted results will make possible determination of energy required to remove microand nanolayers. (...)
Artykuł zawiera 13668 znaków.
Źródło: Czasopismo Logistyka
Zaloguj się by skomentować