عنوان فارسی مقاله:     
اصلاح انحرافات هندسی ماشین آلات CNC با روش با شبکه های عصبی مصنوعی
عنوان انگلیسی مقاله:     
Correcting geometric deviations of CNC Machine-Tools: An approach with Artificial Neural Networks

 ما در رابطه با مدل های ANN مطالعه شده اثبات کردیم که مدل MLP دارای معماری ساده ای بوده (۳-۱-۱) و می تواند عملکرد عالی را نشان دهد (جدول ۳). همچنان مشاهده می شود که با کار انجام شده توسط Zhang [39] و نیز کار توصیف شده توسط Zain [33] ارتباطی وجود دارد که هر دو تعداد مدل شبکه MLP را به عنوان فرمولاسیون متقارن و/یا نسبت هندسی پیشنهاد می کنند. بنابراین این مدل ها به عنوان پایه ای برای پژوهش آینده جهت حل مشکلات در فرآیندهای تولید قابل استفاده اند. از جمله این موارد می توان تراشکاری، فرسایش الکتریکی، ماشین کاری ریز، برش اکسیژن CNC و نمونه سازی اولیه سریع را نام برد. در رابطه با آزمایشات عملی، می توان پی برد که میانگین انحراف ها برای Z در طول محورهای X و Y نسبت به مقادیر مرجع به میزان زیادی کمتر (حدود ۶۰ درصد) هستند (شکل ۱۳-الف و ۱۳-ب را مشاهده نمایید). این نتایج بهتر از نتایج ارائه شده توسط Shaowei و همکاران [۱۳] و Gangwei [16] و مشابه با نتایج ارائه شده توسط Akafor و Yalcin [16] می باشد، اما در این مقاله، روش و مدل ANN ساده تری به کار گرفته شد. همچنین می توان نتیجه گرفت که انحراف های موجود در محصول باید از منابع دیگری باشند که در این پژوهش پیشنهاد نشد. از جمله این منابع می توان تأثیرات گرمایی، نیروهای وارد بر قطعه/ابزار و … را نام برد.

مشخصات مقاله انگلیسی (PDF)
سال انتشار     ۲۰۱۵
تعداد صفحات مقاله انگلیسی     ۱۱ صفحه با فرمت pdf
رشته های مرتبط با این مقاله     مهندسی مکانیک
گرایش های مرتبط با این مقاله     ساخت و تولید، طراحی کاربردی و مکاترونیک
مجله     محاسبات نرم کاربردی – Applied Soft Computing
دانشگاه     دانشگاه فدرال میناس گرایس، برزیل
کلمات کلیدی     شبکه های عصبی مصنوعی، ماشین ابزارهای CNC، تصحیح خطا، طراحی برای ساخت، تکنولوژی دقیق
ISSN     ۱۵۶۸-۴۹۴۶
رفرنس     دارد ✓
لینک مقاله در سایت مرجع     لینک این مقاله در نشریه Elsevier
نشریه الزویر     Untitled

• فهرست مطالب:

مقدمه

۲٫ بررسی مقالات

۲٫۱٫ ماشین ابزارها

۲٫۲ خطاهای هندسی یا انحرافات ضربه (runouts) در ماشین ابزارها

۲٫۳ طراحی برای تولید

۲٫۴ ANN و فرآیند ماشین کاری

۳٫ روش ها

۳٫۱٫ مدل های ANN چند لایه

۴٫ آزمایش

۴٫۱٫ تجهیزات و ابزارهای محاسباتی مورد استفاده

۴٫۲٫ کار آزمایشی

۵٫ مدلسازی ریاضی انحراف صافی

۵٫۱٫ تحلیل داده ها

۵٫۲٫ مدل های بررسی شده و نتایج

۵٫۳٫ تحلیل و بحث

۵٫۴٫ پیاده سازی محاسباتی

۶٫ توسعه آزمایش عملی

۷٫ نتایج

منبع : ترجمه فا