機械加工サイクル時間予測:ニューラルネットワークによる工作機械送り速度挙動のデータ駆動モデリング【JST・京大機械翻訳】

Sun Chao; Dominguez-Caballero Javier; Ward Rob; Ayvar-Soberanis Sabino; Curtis David

文献

J-GLOBAL ID：202202290232630121 整理番号：22A0477445

機械加工サイクル時間予測:ニューラルネットワークによる工作機械送り速度挙動のデータ駆動モデリング【JST・京大機械翻訳】

Machining cycle time prediction: Data-driven modelling of machine tool feedrate behavior with neural networks

出版者サイト複写サービスで全文入手 {{ this.onShowCLink("http://jdream3.com/copy/?sid=JGLOBAL&noSystem=1&documentNoArray=22A0477445&COPY=1") }}
高度な検索・分析はJDreamⅢで {{ this.onShowJLink("http://jdream3.com/lp/jglobal/index.html?docNo=22A0477445&from=J-GLOBAL&jstjournalNo=H0987A") }}

著者 (5件)： , , , ,
資料名：
巻： 75 ページ： Null 発行年： 2022年
JST資料番号： H0987A ISSN： 0736-5845 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)

加工サイクル時間の正確な予測は製造業において重要である。通常,計算機支援製造(CAM)ソフトウェアは,基本的な運動学設定を用いて工具経路ファイルからコマンド送り速度を用いて加工時間を推定する。典型的には,この方法は工具経路形状や工具経路許容度を考慮せず,従って加工サイクル時間をかなり過小評価する。機械固有の知識の必要性を取り除くために,本論文では,各工作機械軸に対してニューラルネットワークモデルを構築することにより,データ駆動送り速度と加工サイクル時間予測法を提案した。本研究では,指令された送り速度,名目上の加速度,工具経路形状および測定した送り速度から成るデータセットを用いて,ニューラルネットワークモデルを訓練した。市販加工センタ上の代表的な工業用薄肉構造部品を用いた検証試験は,この方法が90%以上の精度で加工時間を推定することを示した。この方法は,ニューラルネットワークモデルが複雑な工作機械システムの挙動を学習し,サイクル時間を予測する能力を持つことを示した。この方法のさらなる統合は,産業4.0におけるディジタル双晶の注入において重要である。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

著者キーワード (6件)： , , , , ,

切削一般

, , , , , , , ,

前のページに戻る