| | SLO | ENG | Piškotki in zasebnost

Večja pisava | Manjša pisava

Izpis gradiva Pomoč

Naslov:Optimiranje značilnih parametrov frezanja z uporabo razvojne tehnike optimizacije jate delcev
Avtorji:ID Župerl, Uroš (Avtor)
ID Čuš, Franc (Avtor)
ID Gečevska, Valentina (Avtor)
Datoteke:URL http://www.dlib.si/details/URN:NBN:SI:doc-5TW0CIP3
 
Jezik:Angleški jezik
Vrsta gradiva:Delo ni kategorizirano
Tipologija:1.01 - Izvirni znanstveni članek
Organizacija:FS - Fakulteta za strojništvo
Opis:Izbira rezalnih parametrov je najpomembnejši korak pri postopku načrtovanja proizvodnje, zato izdelamo novo tehniko razvojnega računanja za optimiranje procesa odrezovanja. V prispevku je uporabljena tehnika, ki oponaša dinamiko delcev v velikih skupinah (optimizacija PSO), za učinkovito in simultano optimiranje postopkov frezanja. V omenjenih postopkih smo soočeni s problemom več ciljnih dejavnikov. Najprej uporabimo umetno nevronsko mrežo (UNM) za napovedovanje rezalnih sil, nato z algoritmom PSO pridobimo optimalno rezalno hitrost in podajanja. Cilj optimizacije je, ob upoštevanju omejitev, določiti ekstrem ciljne funkcije (napovedna površina največjih sil). Med optimizacijo delci, s svojo inteligenco, letijo po prostoru rešitev in iščejo optimalne rezalne pogoje po strategiji algoritma PSO. Rezultati pokažejo, da je integriran sistem nevronskih mrež in kolektivne inteligence učinkovita metoda pri reševanju večciljnih optimizacijskih problemov. Njena velika učinkovitost na širokem območju rezalnih parametrov potrjuje, da sistem lahko praktično uporabimo v proizvodnji. Rezultati simulacij nakazujejo, da predlagan algoritem v primerjavi z rodovnimi algoritmi (GA) in simulacijskim (SA) ohlajanjem lahko poveča natančnost rešitve in konvergenco postopka. Nova tehnika razvojnega računanja ima nekoliko prednosti ter koristi in je primerna za uporabo v kombinaciji z modeli na osnovi umetnih nevronskih vezij, pri katerih niso na voljo izrecne relacije med vhodi in izhodi. Raziskava odpre vrata na področju obdelave z odrezovanjem za nov razred optimizacijskih tehnik, ki slonijo na razvojnem računanju.
Ključne besede:odrezovanje, končno frezanje, rezalni parametri, nevronske mreže, razvojne tehnike, optimizacija jate delcev, cutting, end-milling, cutting parameters, neural networks, evolution techniques, particle swarm optimization
Založnik:Association of Mechanical Engineers and Technicians of Slovenia et al.
Leto izida:2007
Št. strani:str. 354-368
Številčenje:Letn. 53, št. 6
PID:20.500.12556/DKUM-52744 Novo okno
UDK:621.941.01:004.89
COBISS.SI-ID:11573526 Novo okno
ISSN pri članku:0039-2480
NUK URN:URN:SI:UM:DK:LORWC3EZ
Datum objave v DKUM:10.07.2015
Število ogledov:1792
Število prenosov:50
Metapodatki:XML DC-XML DC-RDF
Področja:Ostalo
:
Kopiraj citat
  
Skupna ocena:(0 glasov)
Vaša ocena:Ocenjevanje je dovoljeno samo prijavljenim uporabnikom.
Objavi na:Bookmark and Share



Postavite miškin kazalec na naslov za izpis povzetka. Klik na naslov izpiše podrobnosti ali sproži prenos.

Gradivo je del revije

Naslov:Strojniški vestnik
Skrajšan naslov:Stroj. vestn.
Založnik:Zveza strojnih inženirjev in tehnikov Slovenije [etc.], = Association of Mechanical Engineers and Technicians of Slovenia [etc.]
ISSN:0039-2480
COBISS.SI-ID:762116 Novo okno

Sekundarni jezik

Jezik:Slovenski jezik
Naslov:Optimization of the characteristic parameters in milling using the PSO evolution technique
Opis:The selection of machining parameters is an important step in process planning; therefore, a new evolutionary computation technique has been developed to optimize the machining process. In this paper, Particle Swarm Optimization (PSO) is used to efficiently optimize the machining parameters simultaneously in milling processes where multiple conflicting objectives are present. First, an artificial neural network (ANN) predictive model is used topredict the cutting forces during machining and then the PSO algorithm is used to obtain the optimum cutting speeds and feed rates. The goal of the optimization is to determine the objective function maximum (the predicted cutting-force surface) by considering the cutting constraints. During optimization the particles 'fly' intelligently in the solution space and search for optimal cutting conditions according to the strategies of the PSO algorithm. The results showed that an integrated system of neural networks and swarm intelligence is an effective method for solving multi-objective optimization problems. The high accuracy of the results within a wide range of machining parameters indicates that the system can be practically applied in industry. The simulation results show that compared with genetic algorithms (GAs) and simulated annealing (SA) the proposed algorithm can improve the quality of the solution while speeding up the convergence process. The new computational technique has several advantages and benefits and is suitable for use when combined with ANN-based models where no explicit relation between the inputs and the outputs is available. This research opens the door for a new class of optimization techniques that are based on evolution computation in the area of machining.


Komentarji

Dodaj komentar

Za komentiranje se morate prijaviti.

Komentarji (0)
0 - 0 / 0
 
Ni komentarjev!

Nazaj
Logotipi partnerjev Univerza v Mariboru Univerza v Ljubljani Univerza na Primorskem Univerza v Novi Gorici