文献

J-GLOBAL ID：201702261592859960   整理番号：17A1493082

オンライン工具摩耗診断と予後における粒子学習【Powered by NICT】

Particle learning in online tool wear diagnosis and prognosis

著者 (5件)： Zhang Jianlei (Edward P. Fitts Department of Industrial and Systems Engineering North Carolina State University, Raleigh, NC 27695 USA) ,  Starly Binil (Edward P. Fitts Department of Industrial and Systems Engineering North Carolina State University, Raleigh, NC 27695 USA) ,  Cai Yi (Edward P. Fitts Department of Industrial and Systems Engineering North Carolina State University, Raleigh, NC 27695 USA) ,  Cohen Paul H. (Edward P. Fitts Department of Industrial and Systems Engineering North Carolina State University, Raleigh, NC 27695 USA) ,  Lee Yuan-Shin (Edward P. Fitts Department of Industrial and Systems Engineering North Carolina State University, Raleigh, NC 27695 USA)
資料名： Journal of Manufacturing Processes  (Journal of Manufacturing Processes)
巻： 28  号： P3  ページ： 457-463  発行年： 2017年 
JST資料番号： W3312A  ISSN： 1526-6125  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 自動化工具状態のモニタリングは,知的生産において重要である製造作業の生産性と持続可能性を改善した。臨界機械加工作業のためのリアルタイムでの工具摩耗の推定は製品の品質を向上させ,スクラップ率を減少させることができる。本論文では,パラメータは,機械加工プロセスのオンラインインプロセス観察により更新される線形系遷移関数を構築することにより粒子学習(PL)法に基づく確率論的方法を提案した。PLを適用することにより,この方法は,特定の工具摩耗モデルのための複雑な閉形式定式化を避けるのに役立つ。アルゴリズムのロバスト性を増加させ,計算の時間複雑性を低減した。PL手法の適用は,フライス盤で行った実験を用いて試験した。振動信号から得られたオンライン間接測定を用いて一段と2段先取り工具摩耗状態予測を実証した。さらに,研究はまた,切削工具インサートの残存耐用年数(RUL)を推定した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： *学習 ,  定式化 ,  機械工作 ,  耐用年数 ,  線形系 ,  自動化 ,  状態推定 ,  *工具摩耗 ,  切削工具 ,  アルゴリズム ,  品質 ,  モデル ,  ロバスト性
準シソーラス用語： 複雑性 ,  *オンライン , 【Automatic Indexing@JST】

著者キーワード (4件)： 粒子学習 ,  工具摩耗 ,  知的製造 ,  残存有効寿命(RUL)

分類 (3件)： フライス加工  (QC02030R) ,  パターン認識  (JE07000S) ,  潤滑一般  (QB02010S)

タイトルに関連する用語 (5件)： オンライン ,  工具摩耗 ,  診断 ,  予後 ,  学習