文献

J-GLOBAL ID：202202236719761707   整理番号：22A0715367

コンピュータ数値制御によるエンドミル加工における工具摩耗予測のためのニューラルネットワークの使用

Using Neural Networks for Tool Wear Prediction in Computer Numerical Control End Milling

著者 (4件)： CHEN Cheng-Hung (National Formosa Univ., Yunlin, TWN) ,  JENG Shiou-Yun (Asia Univ., Taichung, TWN) ,  LIN Cheng-Jian (National Chin-Yi Univ. Technol., Taichung, TWN) ,  LIN Cheng-Jian (National Taichung Univ. Sci. and Technol., Taichung, TWN)
資料名： Sensors and Materials  (Sensors and Materials)
巻： 34  号： 2 (3)  ページ： 803-817  発行年： 2022年 
JST資料番号： L0338A  ISSN： 0914-4935  CODEN： SENMER  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： コンピュータ数値制御(CNC)加工における加工工具の精度は,いくつかの要因に影響される。例えば,切削パラメータは,加工精度と工具の摩耗にかなり影響する。工具の摩耗は,規格外の製品の製造につながる。そのため,CNC加工において工具摩耗を予測することは非常に重要である。本研究では,工具摩耗を予測するために,バックプロパゲーションニューラルネットワーク(BPNN)を提案する。機械学習において,バックプロパゲーションは人工ニューラルネットワークを学習するためのアルゴリズムとして広く用いられている。提案するBPNNは,主軸回転数,送り,切り込み,切削時間などの切削パラメータの違いによる工具摩耗の変化を考慮した。実験の結果,BPNN予測モデルの二乗平均平方根誤差は,線形回帰予測モデルのそれよりも小さいことが明らかになった。さらに,提案モデルは決定係数(R2)0.9964を達成し,BPNNモデルが工具摩耗を正確に予測できることが示された。(翻訳著者抄録)

シソーラス用語： *CNC工作機械 ,  *エンドミル加工 ,  *工具摩耗 ,  *ニューラルネットワーク ,  工作精度 ,  逆伝搬法 ,  機械学習 ,  予測モデル ,  回帰モデル
準シソーラス用語： *コンピュータ数値制御工作機械 ,  バックプロパゲーション ,  加工精度 ,  決定係数 ,  切削パラメータ ,  線形回帰モデル

分類 (1件)： 電気式制御機器  (IC02020Y)

引用文献 (21件)：

• R. Corne, C. Nath, M. E. Mansori, and T. Kurfess: J. Manuf. Syst. 43 (2017) 287. https://doi.org/10.1016/j.jmsy.2017.01.004
• N. Ghosh, Y. B. Ravi, A. Patra, S. Mukhopadhyay, S. Paul, A. R. Mohanty, and A. B. Chattopadhyay: Mech. Syst. Signal Process. 21 (2007) 466. https://doi.org/10.1016/j.ymssp.2005.10.010
• M. Malekian, S. S. Park, and M. B. G. Jun: J. Mater. Process. Technol. 209 (2009). https://doi.org/10.1016/j.jmatprotec.2009.01.013
• D. F. Hesser and B. Markert: Manuf. Lett. 19 (2019) 1. https://doi.org/10.1016/j.mfglet.2018.11.001
• M.V. Vardhan, G. Sankaraiah, and M. Yohan: Mater. Today: Proc. 5 (2018) 7. https://doi.org/10.1016/j.matpr.2018.06.177

タイトルに関連する用語 (5件)： コンピュータ数値制御 ,  エンドミル加工 ,  工具摩耗 ,  予測 ,  ニューラルネットワーク