文献

J-GLOBAL ID：202202260763829927   整理番号：22A1054023

Taguchiベースニューラルネットワーク法によるエンジニアリングプラスチックPEEKの小径穴あけプロセスのモデル化【JST・京大機械翻訳】

Modeling for a small-hole drilling process of engineering plastic PEEK by Taguchi-based neural network method

著者 (3件)： Chang Dar-Yuan (Department of Mechanical Engineering, Chinese Culture University, Taipei, Taiwan (Republic of China)) ,  Lin Chien-Hung (Department of Mechanical Engineering, Chinese Culture University, Taipei, Taiwan (Republic of China)) ,  Wu Xing-Yao (Department of Mechanical Engineering, Chinese Culture University, Taipei, Taiwan (Republic of China))
資料名： International Journal of Advanced Manufacturing Technology  (International Journal of Advanced Manufacturing Technology)
巻： 119  号： 9-10  ページ： 5777-5795  発行年： 2022年 
JST資料番号： T0397A  ISSN： 0268-3768  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： エンジニアリングプラスチックは,強度,硬度,耐衝撃性,および時効持続性に特定の特性を持ち,しばしば構造板および電子部品に使用される。しかし,ドリル加工によって作られた穴は,それらの高い熱膨張係数のために,切削熱分散後に常に収縮する。ドリル加工パラメータは,安定な穴品質を得るために,特に小孔製作において,特に考察する必要がある。本研究は,エンジニアリングプラスチック,ポリエーテルケトン(PEEK)の掘削に関する実験的資源を節約するために,Taguchiベースのニューラルネットワーク法によるパラメータモデルを開発した。推力力,直径の穴収縮,および真円度誤差を最小化するために,3レベル完全要因直交アレイ実験,L_27を最初に実施した。ネットワークモデリングに関して,4つの変数を入力層ニューロンに指定し,3つの掘削パラメータ(スピンドル速度,peck-ドリル加工深さ,送り速度)と推力力を検出し,出力層ニューロンのそれは直径収縮と真円度の2つの穴特性であった。モデルは,段階によってネットワークフィールド情報段階を拡大するために,ステップ学習手順によって訓練した。訓練の3つの段階の後,開発したモデルはネットワーク訓練セットのための正確なシミュレーションを提供できる。非訓練の場合,穴の特性の予測精度は,直径1mmの穴のドリル加工において1μm以下であった。Copyright The Author(s), under exclusive licence to Springer-Verlag London Ltd., part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 時効 ,  学習 ,  *ネットワーク ,  ニューロン ,  推力 ,  スピンドル ,  ドリル ,  *ニューラルネットワーク ,  *モデリング ,  衝撃強さ ,  直交性 ,  *ポリエーテルエーテルケトン ,  ドリル加工 ,  *エンジニアリングプラスチック
準シソーラス用語： 送り速度 , 【Automatic Indexing@JST】

著者キーワード (5件)： ニューラルネットワーク ,  ステップ学習手順 ,  Taguchiの方法 ,  推力力 ,  直径収縮

分類 (3件)： 機械加工,仕上げ一般  (YH04111G) ,  射出成形  (YH04050Y) ,  その他の切削  (QC02040C)

タイトルに関連する用語 (7件)： ニューラルネットワーク ,  エンジニアリングプラスチック ,  PEEK ,  小径 ,  穴あけ ,  プロセス ,  モデル化