• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>International Journal of Computer Integrated Manufacturing >Surface roughness prediction in machining using soft computing
【24h】

Surface roughness prediction in machining using soft computing

机译：使用软计算预测加工中的表面粗糙度

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

A study is presented to model surface roughness in end milling using adaptive neuro-fuzzy inference system (ANFIS) and genetic algorithms (GAs). The machining parameters, namely, the spindle speed, feed rate, depth of cut and the workpiece-tool vibration amplitude have been used as inputs to model the workpiece surface roughness. The number and the parameters of membership functions used in ANFIS along with the most suitable inputs are selected using GAs maximising the modelling accuracy. The ANFIS with GAs (GA-ANFIS) are trained with a subset of the experimental data. The trained GA-ANFIS are tested using the set of validation data. The procedure is illustrated using the experimental data of a CNC vertical machining centre in end-milling of 6061 aluminum. Results are compared with other soft computing techniques like genetic programming (GP) and artificial neural network (ANN). The results show the effectiveness of the proposed approach in modelling the surface roughness.
机译：提出了使用自适应神经模糊推理系统（ANFIS）和遗传算法（GA）对立铣刀中的表面粗糙度进行建模的研究。加工参数（即主轴速度，进给速度，切削深度和工件-刀具振动幅度）已用作模型化工件表面粗糙度的输入。使用GA来选择ANFIS中使用的隶属函数的数量和参数，以及最合适的输入，以最大化建模精度。带有GA的ANFIS（GA-ANFIS）通过实验数据的一部分进行训练。使用验证数据集对训练有素的GA-ANFIS进行测试。使用CNC立式加工中心对6061铝进行端铣的实验数据说明了该过程。将结果与其他软计算技术（如遗传编程（GP）和人工神经网络（ANN））进行比较。结果表明，该方法在建模表面粗糙度方面是有效的。

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