基于人工神经网络的自动点击操作中特有的振动的确定
1Mechatronics Engineering Department, Engineering Faculty, Erciyes University, Kayseri, Turkey. emiresim@erciyes.edu.tr.
Scientific reports
|May 11, 2025
概括
这项研究使用人工神经网络 (ANN) 预测了自动点击中的振动. 辐射基函数神经网络 (RBFNN) 模型在加工过程中实现了高准确度的实时振动预测.
科学领域:
- 制造业 工程 制造工程
- 机械工程 机械工程
- 人工智能在制造业中的应用
背景情况:
- 挖掘是一种关键的加工过程,通过CNC技术越来越自动化.
- 在敲定过程中不可预测的振动会降低线程的准确性,精度和工具寿命.
- 准确的振动预测对于优化自动点击操作至关重要.
研究的目的:
- 为了研究在自动点击操作中对振动特征的预测.
- 应用人工神经网络 (ANN) 进行实时振动分析.
- 评估不同ANN模型在预测触摸振动方面的有效性.
主要方法:
- 进行了不同料速率,线速度和材料类型的实验研究.
- 设计和评估了三种人工神经网络 (ANN) 模型.
- 专注于预测自动点击期间的振动特征.
主要成果:
- 辐射基函数神经网络 (RBFNN) 显示出了卓越的性能.
- 在对振动的实时预测中实现了高精度.
- 在各种加工条件下,ANN模型证明了其有效性.
结论:
- 人工神经网络,特别是RBFNN,对于自动敲击振动分析非常有效.
- 这项研究展示了ANN的新型应用,用于提高自动敲击中的精度和工具寿命.
- 开发的模型为CNC加工中改进实时监控和控制提供了一条途径.
