Możliwości zastosowania sieci neuronowej RBF do diagnostyki zużycia ostrza w systemie online *
Possibility of applying the RBF neural network to the on-line tool condition monitoring systems
Mechanik nr 08/09/2016 - X Szkoła Obróbki Skrawaniem, XXXIX Naukowa Szkoła Obróbki Ściernej
STRESZCZENIE: Porównano wyniki dwóch metod szacowania zużycia ostrza: uzyskane dla sieci neuronowej RBF oraz metodą hierarchiczną. Analizę sygnałów z procesu skrawania przeprowadzono dla trzech różnych eksperymentów, jednoznacznie wykazując skuteczność obu metod.
SŁOWA KLUCZOWE: diagnostyka stanu narzędzia, sieci neuronowe RBF
ABSTRACT: Presented are the results of a comparison of two different methods of estimating tool wear: obtained for RBF neural network and hierarchical methods. The analysis of the signals from the machining process carried out for three different experiments, clearly demonstrating the effect of both presented methods.
KEYWORDS: tool condition monitoring, RBF neural network
BIBLIOGRAFIA / BIBLIOGRAPHY:
- Sick B. „On-line and indirect tool wear monitoring with artificial neural networks: a review of more than a decade of research”. Mechanical Systems and Signal Processing. 16(4) (2002): s. 487÷546.
- Chen S.L., Jen Y.W. „Data fusion neural network for tool condition monitoring in CNC milling machining”. International Journal of Machine Tools & Manufacture. 40(3) (2000): s. 381÷400.
- Dimla E., Dimla Snr. „Application of perceptron neural networks to toolstate classification in a metal-turning operation”. Engineering Applications of Artificial Intelligence. 12(4) (1999): pp. 471÷477.
- Pai P.S., Nagabhushana T.N., Rao P.K.R. „Flank Wear Estimation in Face Milling Based on Radial Basis Function Neural Networks”. Int J Adv Manuf Technol. 20 (2002): pp. 241÷247.
- Jemielniak K., Bombiński S. „Hierarchical strategies in tool wear monitoring”. Proc. IMechE Part B: J. Engineering Manufacture. 220(3) (2006): pp. 375÷382.
