...
  • 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Journal of Materials Processing Technology >Modeling of electrical discharge machining process using back propagation neural network and multi-objective optimization using non-dominating sorting genetic algorithm-II
【24h】

Modeling of electrical discharge machining process using back propagation neural network and multi-objective optimization using non-dominating sorting genetic algorithm-II

机译：基于反向传播神经网络的放电加工过程建模及非支配排序遗传算法-II的多目标优化

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Present study attempts to model and optimize the complex electrical discharge machining (EDM) process using soft computing techniques. Artificial neural network (ANN) with back propagation algorithm is used to model the process. As the output parameters are conflicting in nature so there is no single combination of cutting parameters, which provides the best machining performance. A multi-objective optimization method, non-dominating sorting genetic algorithm-II is used to optimize the process. Experiments have been carried out over a wide range of machining conditions for training and verification of the model. Testing results demonstrate that the model is suitable for predicting the response parameters. A pareto-optimal set has been predicted in this work.
机译：本研究尝试使用软计算技术对复杂的放电加工（EDM）过程进行建模和优化。带有反向传播算法的人工神经网络（ANN）用于对过程进行建模。由于输出参数本质上是矛盾的，因此切削参数没有单一的组合，可以提供最佳的加工性能。采用多目标优化方法非支配排序遗传算法-II对工艺进行优化。已经在各种加工条件下进行了实验，以训练和验证模型。测试结果表明该模型适合预测响应参数。已在这项工作中预测了一个最佳集合。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号