on-line tool wear estimation through artificial neural networks
- سال انتشار: 1391
- محل انتشار: کنفرانس بین المللی مدل سازی غیر خطی و بهینه سازی
- کد COI اختصاصی: ICNMO01_306
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1195
نویسندگان
Islamic Azad University of Semnan ,Department of Mechanical Engineering, Semnan, Iran
Mohammad Jafar Ostad Ahmad Ghorabi
Islamic Azad University of Semnan ,Department of Mechanical Engineering, Semnan, Iran
Technical and Vocational College Sama, Chamestan, Mazandaran, Iran
چکیده
On-line tool conditioning monitoring (TCM) is an essential feature of modern sophisticated and automated machine tools. Appropriate and timely decision for tool-change is urgently required in the machining systems. Ample researches have been carried out in this direction. Recently artificial neural networks (NN) are applied for this purpose in conjunction with suitable sensory systems. Its fast processing capability is well-suited for quick estimation of tool condition and corrective measure to be taken. The present work uses back-propagation type training and feed-forward testing procedures for the neural networks. Three models using different force parameters are tried to monitor tool wear on-line. The close estimation of the modeled output to the actual wear value demonstrates the possibility of successful tool wear monitoringکلیدواژه ها
Tool condition monitoring; Cutting force; Artificial neural networksمقالات مرتبط جدید
- رتبه بندی فاکتورهای اساسی در ایمنی و امنیت مواد غذایی در زنجیره تأمین با روش BWM در ایران
- ارائه الگوی پیاده سازی سیستم QA/QC در ساخت ساختمان های سبز و اولویت بندی عوامل با استفاده از روش دیمتل و تحلیل AHP (مطالعه موردی شهر کرج)
- کاربرد محاسبات خاکستری در مدل سازی ریاضی
- اولین کنفرانس ملی مدل سازی ریاضی و رو ش های محاسباتی در علوم و مهندسی مدل های حمل و نقل با ساختار مسئله چند انتخابی
- احراز هویت در تلفن های همراه هوشمند از طریق شناسایی هندسه دست بدون تماس مبتنی بر شناسایی رنگ پوست و استخراج ویژگی های بیومتریک
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.