文献

J-GLOBAL ID：202102278637080789   整理番号：21A1474702

集積化アコースティックエミッションセンサによる機械学習を用いたインテリジェント研削による最初のステップ【JST・京大機械翻訳】

First Steps through Intelligent Grinding Using Machine Learning via Integrated Acoustic Emission Sensors

著者 (3件)： Mirifar Siamak ,  Kadivar Mohammadali ,  Azarhoushang Bahman
資料名： Journal of Manufacturing and Materials Processing (Web)  (Journal of Manufacturing and Materials Processing (Web))
巻： 4  号： 2  ページ： 35  発行年： 2020年 
JST資料番号： U7223A  ISSN： 2504-4494  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： 研削部品の表面粗さは研削プロセスの評価における必須因子であり,ドレッシングおよび研削工具およびパラメータを選択する際の重要な基準である。さらに,表面粗さは工作物の機能性に直接影響した。表面粗さや切削力などの加工プロセスの複雑な結果の予測における人工知能の応用は,ますます一般的になってきた。本論文は,工作機械における個々の統合アコースティックエミッション(AE)センサを通して,地盤表面粗さと研削力の予測のための適切な人工ニューラルネットワークの設計を扱う。2つのモデルを訓練し,試験した。研削パラメータのみを用いて,入力データとしてアコースティックエミッション信号と研削パラメータの両方を用いた。記録されたAEシグナルは前処理され,増幅され,雑音除去された。フィードフォワードニューラルネットワークをBayesバックプロパゲーションによるモデリングのために選択して,モデルを種々の研削とニューラルネットワークパラメータによる種々の実験によってテストした。達成されたネットワークパラメータモデルによって提示された予測は,99パーセントの超精度の実験結果とよく一致した。結果はまた,AE信号が研削パラメータに加えて付加的入力パラメータとして作用し,研削力と表面粗さの予測におけるニューラルネットワークの効率を著しく増加させることを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 工作機械 ,  *研削 ,  前処理 ,  切削抵抗 ,  ニューラルネットワーク ,  人工知能 ,  表面粗さ ,  *アコースティックエミッション ,  センサ ,  逆伝搬法 ,  *機械学習 ,  雑音除去
準シソーラス用語： フィードフォワードニューラルネットワーク ,  オンライン監視 ,  AE信号 , 【Automatic Indexing@JST】

著者キーワード (5件)： 研削 ,  人工ニューラルネットワーク ,  アコースティックエミッション ,  オンラインモニタリング ,  プロセス予測

分類 (1件)： 研削  (QC03000R)

引用文献 (24件)：

• Karpuschewski, B.; Wehmeier, M.; Inasaki, I. Grinding monitoring system based on power and acoustic emission sensors. CIRP Ann. 2000, 49, 235-240.
• Aguiar, P.R.; Cruz, C.E.D.; Paula, W.C.F.; Bianchi, E.C. Predicting surface roughness in grinding using neural networks. Adv. Robot. Autom. Control 2008, 1, 33-44.
• Inasaki, I. Application of acoustic emission sensor for monitoring machining processes. Ultrasonics 1998, 36, 273-281.
• Liu, C.; Li, Y. Evaluation of grinding wheel loading phenomena by using acoustic emission signals. Int. J. Adv. Manuf. Technol. 2018, 99, 1109-1117.
• Adibi, H.; Ashtiani, A.S.; Rahimi, A. In-Process Monitoring of Nickel-Based Super Alloy Grinding Using the Acoustic Emission Method. Russ. J. Nondestruct. Test. 2019, 55, 909-917.

タイトルに関連する用語 (4件)： 集積化 ,  アコースティックエミッションセンサ ,  機械学習 ,  研削