Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Tytuł pozycji:

Predykcja wskaźników jakości powierzchni przy cięciu wysokociśnieniowym strumieniem wodnościernym

Tytuł:
Predykcja wskaźników jakości powierzchni przy cięciu wysokociśnieniowym strumieniem wodnościernym
Predicting quality surface during abrasive high pressure water jet cutting
Autorzy:
Kudelski, R.
Nieciąg, H.
Powiązania:
https://bibliotekanauki.pl/articles/317260.pdf
Data publikacji:
2017
Wydawca:
Instytut Naukowo-Wydawniczy "SPATIUM"
Tematy:
aproksymacja
parametry obróbki
chropowatość powierzchni
strumień wodościerny
jakość
approximation
machining parameters
surface roughness
quality
water jet cutting
Źródło:
Autobusy : technika, eksploatacja, systemy transportowe; 2017, 18, 12; 1000-1003, CD
1509-5878
2450-7725
Język:
polski
Prawa:
Wszystkie prawa zastrzeżone. Swoboda użytkownika ograniczona do ustawowego zakresu dozwolonego użytku
Dostawca treści:
Biblioteka Nauki
Artykuł
  Przejdź do źródła  Link otwiera się w nowym oknie
W artykule zaprezentowano wyniki badań chropowatości powierzchni uzyskanych po cięciu wysokociśnieniowym strumieniem wodnościernym. Badania prowadzono według wcześniej wybranego planu eksperymentu dla trzech zmiennych wejściowych tj.: ciśnienia strumienia wody, prędkości głowicy tnącej oraz ilości dozowanego ścierniwa. Kolejno dokonano aproksymacji uzyskanych wyników za pomocą klasycznych metod statystycznych oraz sztucznej sieci neuronowej. Uzyskana funkcja aproksymacyjna oraz wytrenowana sztuczna sieć neuronowa umożliwia predykcję wskaźników jakości powierzchni, w zależności od zadanych parametrów wejściowych.

Paper presents results of surface roughness tests obtained after abrasive high pressure water jet cutting. The study was conducted according to experiment plan for three input variables: water jet pressure, cutting head speed and amount of metered abrasive. Successively approximation of the obtained results by classical statistical methods and artificial neural networks. The approximation function and the trained artificial neural network enable prediction of surface quality, depending on the input parameters.

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