基于人工智能的超声波振动辅助削性能预测
Mohamed S El-Asfoury1, Mohamed Baraya1, Eman El Shrief1
1Department of Production Engineering and Mechanical Design, Faculty of Engineering, Port Said University, Port Fuad 42526, Egypt.
Sensors (Basel, Switzerland)
|September 14, 2024
概括
与传统削相比,超声波振动辅助削 (USVAM) 显著降低了切削力,并改善了和合金的表面粗度. 一个人工神经网络 (ANN) 模型准确地预测了优化加工操作的USVAM性能.
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
- 人工智能的人工智能
背景情况:
- 机械加工7075合金和Ti-6Al-4V合金等先进材料,由于它们的机械性能不同,因此存在挑战.
- 传统的削 (CM) 往往会导致高切削力和这些材料的低最佳表面表面.
研究的目的:
- 为了评估7075合金和Ti-6Al-4V合金的超声波振动辅助削 (USVAM) 的性能.
- 开发和比较基于AI的模型,特别是支持向量回归 (SVR) 和人工神经网络 (ANN),用于预测USVAM过程性能.
- 分析USVAM对不同材料的切削力和表面粗度的影响.
主要方法:
- 在USVAM实验中,使用28kHz频率和8μm振幅设置,对7075合金 (150BHN) 和Ti-6Al-4V合金 (350BHN) 的工件进行了实验.
- 使用CM和USVAM技术进行了插槽操作.
- 测量了轴切削力和表面粗度,并使用实验数据训练和验证了ANN和SVR模型.
主要成果:
- 与CM相比,USVAM在合金和合金中显著降低了切削力 (高达30%),表面粗度提高了四倍.
- 该ANN模型实现了高预测准确性,根平均平方误差 (RMSE) 为Al表面粗度为0.11μm,Al切削力为0.12N,Ti表面粗度为0.12μm,Ti切削力为0.14N.
- USVAM有效地提高了这两种材料的磨削性能,减少了力和提高了表面质量.
结论:
- USVAM是加工7075合金和Ti-6Al-4V合金的高效工艺,在切削力和表面粗性方面提供了显著的改进.
- 开发的ANN模型准确地预测USVAM性能指标,为各种材料加工应用中流程优化提供了宝贵的工具.
