文献

J-GLOBAL ID：202202261338553411   整理番号：22A0956543

SBLMD-ANN-MOPSO法に基づくフライス加工安定性領域を予測するための新しいアンサンブル法【JST・京大機械翻訳】

A novel ensemble method based on the SBLMD-ANN-MOPSO approach for predicting milling stability regimes

著者 (2件)： Mishra Rohit (Jaypee University of Engineering and Technology, Guna, MP, India) ,  Singh Bhagat (Jaypee University of Engineering and Technology, Guna, MP, India)
資料名： Measurement Science and Technology  (Measurement Science and Technology)
巻： 33  号： 6  ページ： 065002 (21pp)  発行年： 2022年 
JST資料番号： C0354C  ISSN： 0957-0233  CODEN： MSTCEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 最近10年間,フライス加工操作における自己励起振動効果を緩和するための多くの研究がなされてきた。それでも,高い金属除去率(MRRs)に関連する安定性限界を示唆するロバストな方法論はまだ開発されていない。本研究では,工具びびり特徴を引用するために修正スプラインベース局所平均分解法を用いて,フライス加工操作における実験的に得られた音響信号を計算した。さらに,3つの人工ニューラルネットワーク訓練アルゴリズム;弾性伝播,共役勾配ベースおよびLevenberg-Marquardtアルゴリズム,および2つの活性化関数;双曲線正接シグモイドとログシグモイドを用いて,獲得したびびり振動とMRRデータセットを訓練した。過剰適合またはアンダーフィッティング問題は,多くの隠れニューロンのランダム選択から生じる可能性がある。これらの問題に対する解決策も本論文で提案した。これらの訓練アルゴリズムおよび活性化関数の中で,適切なものを選択し,びびり度およびMRRの予測モデルを開発するために,さらに導入した。最後に,多目的粒子スウォーム最適化を,より高い生産性を有する安定フライス加工に関連する入力パラメータの最も好ましい範囲を得るために,開発した予測モデルを最適化するために導入した。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  振動 ,  ニューロン ,  びびり ,  *フライス加工 ,  実験 ,  弾性 ,  ニューラルネットワーク ,  共役 ,  音波信号 ,  ロバスト性 ,  学習アルゴリズム ,  予測モデル
準シソーラス用語： 活性化関数 ,  Levenberg-Marquardt法 , 【Automatic Indexing@JST】

分類 (1件)： R,L,C,Q,インピーダンス,誘電率の計測法・機器  (AD07030N)

タイトルに関連する用語 (5件)： MOPSO ,  フライス加工 ,  安定性 ,  予測 ,  アンサンブル法