多传感器监控数据集用于具有各种参数和材料的削过程
Guochao Li1, Hao Zheng1, Shixian Xu1
1School of Mechanical Engineering Jiangsu University of Science and Technology, Zhenjiang 212100, China.
Data in brief
|August 6, 2024
概括
为了改进加工,创建了一个实时削监控的新数据集. 这种以物理为基础的方法使用多传感器数据来建立削参数和工艺结果之间的关系.
科学领域:
- 制造业 工程 制造工程
- 材料科学 材料科学 材料科学
- 机器学习 机器学习
背景情况:
- 对制参数的实时监控对于提高加工效率和产品质量至关重要,特别是对于复杂的几何形状.
- 使用纯粹机械驱动或数据驱动的方法,建立削参数和监测数据之间的关系是具有挑战性的.
- 基于物理学的方法通过整合先前的物理定律提供了最佳解决方案,但需要高质量的数据集.
研究的目的:
- 为了解决缺乏高质量的数据集以进行基于物理知识的削监测的问题.
- 为削过程建立一个全面的多传感器监控数据集.
- 促进开发用于削的基于物理的机器学习算法.
主要方法:
- 构建了一个多传感器监控数据集,结合了诸如切割深度,宽度,料速率,轴速度和工件材料 (合金7030,CK45钢) 等变量.
- 传感器包括力,振动,噪音和电流.
- 数据集包括115个样本,其中100个来自"所有因素"设计和15个槽样本用于校准.
主要成果:
- 成功创建了一个用于削过程的新型多传感器数据集.
- 数据集包括各种削参数和材料,捕获力,振动,噪声和当前数据.
- 特定的槽削样本被用于校准机械削力系数.
结论:
- 开发的数据集对于推进削中的基于物理的机器学习至关重要.
- 这种资源可以在削参数和实时监控数据之间建立稳固的关系.
- 校准的力系数将提高基于物理知识的削算法的准确性和适用性.
