文献

J-GLOBAL ID：201802232347766811   整理番号：18A2042460

逆伝搬ニューラルネットワークに基づくガス中のEDMのパラメータのモデリング【JST・京大機械翻訳】

Modelling of the Parameters of EDM in Gas Based on Back Propagation Neural Network

著者 (4件)： Lin Yan Cherng (Nan kai University of Technology, Department of Mechanical Engineering; Nantou, Taiwan, 54243) ,  Chow Han Ming (Nan kai University of Technology, Department of Mechanical Engineering; Nantou, Taiwan, 54243) ,  Lee Hsin Min (Army Academy, Department of Mechanical Engineering; Jhongli, Taiwan, 32001) ,  Liu Jia Feng (Nan kai University of Technology, Department of Mechanical Engineering; Nantou, Taiwan, 54243)
資料名： Materials Science Forum  (Materials Science Forum)
巻： 926  ページ： 11-16  発行年： 2018年 
JST資料番号： D0716B  ISSN： 0255-5476  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 本研究の目的は,ガス中の放電加工(EDM)の材料除去率(MRR)と表面粗さ(SR)に関連した加工パラメータの予測モデルを開発することである。中心複合設計(CCD)法と呼ばれる実験方法の特定の設計によって,実験作業を実行した。人工ニューラルネットワーク(ANN)に基づく操作パラメータと機械加工特性の間の数学的予測モデルを確立した。逆伝搬ニューラルネットワーク(BPNN)を用いて,入力層,隠れ層および出力層のアーキテクチャを構築し,ANNモデルを構築した。さらに,訓練データを用いて最急降下法(SDM)により重みとバイアス値を調べた。このように,適切なANNモデルを得られた重量とバイアス値で確立した。ピーク電流(I_p),パルス幅(t_p),ガス圧(G_P),サーボ基準電圧(S_v)などのガス中のEDMの本質的パラメータを選択して,MRRとSRに及ぼす影響を研究した。入力層上の4入力変数,5ニューロンを有する1隠れ層,および出力層上の2応答変数を有する開発ANNモデルを,30の実験データによる訓練によって得た。さらに,ANNから得た予測値として,5つの試験データと比較して,誤差は5%の範囲で低下し,開発したANNが適切で予測可能であることを示した。さらに,開発したANNモデルを用いて,種々のパラメータ設定を有するガス中のEDMに対するMRRおよびSRのような機械加工特性を予測することができた。Copyright 2018 Trans Tech Publications Ltd. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： バイアス ,  モデル ,  放電加工 ,  最急降下法 ,  計算機アーキテクチャ ,  予測モデル ,  表面粗さ ,  予測 ,  ニューロン ,  *ニューラルネットワーク ,  *モデリング
準シソーラス用語： 予測値 ,  ピーク電流 ,  隠れ層 ,  *逆伝播ニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： ガス中のEDM ,  表面粗さ ,  人工神経回路網 ,  材料除去速度

分類 (1件)： 特殊加工  (QC04000Y)

タイトルに関連する用語 (4件)： 逆伝搬ニューラルネットワーク ,  EDM ,  パラメータ ,  モデリング