In our work, the process efficiency of the ECMM should be improved by using different combinations of nano-particles and added electrolytes. The superior aim of this work is to improve and predict the ECMM machining characteristics of die hardened steel, namely material removal rate (MRR), Tool wear rate (TWR) and Surface Roughness (Ra). The machining conditions are optimized using Response Surface Methodology (RSM) based on Box Behnken Design. The better Nano electrolyte is optimized using Deer Hunting Optimization (DHO) based on the machined outcomes, and the performances are predicted using a hybrid Deep Neural Network (DNN) based DHO. The hybrid DNN-DHO based predicted outcome of MRR is 0.361 mg/min, TWR is 0.272 mg/min and Ra is 2.511 μm. The validation results show that our proposed DNN-DHO model performed well and obtained above 0.99 regression for both training and validation of DNN-DHO, where the root mean square error ranges between 0.018 and 0.024.
Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies
Informacja
SZANOWNI CZYTELNICY!
UPRZEJMIE INFORMUJEMY, ŻE BIBLIOTEKA FUNKCJONUJE W NASTĘPUJĄCYCH GODZINACH:
Wypożyczalnia i Czytelnia Główna: poniedziałek – piątek od 9.00 do 19.00