Informacja

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

Wyszukujesz frazę "fuzzy patterns" wg kryterium: Temat


Wyświetlanie 1-1 z 1
Tytuł:
Modeling of self-induced vibrations that occur during the machining process of casting patterns with the use of the fuzzy-neural networks method
Modelowanie drgań samowzbudnych powstających w procesie mechanicznej obróbki formierskich płyt odlewniczych za pomocą sieci rozmyto-neuronowych
Autorzy:
Herberg, A.
Powiązania:
https://bibliotekanauki.pl/articles/354238.pdf
Data publikacji:
2013
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
self-induced vibrations
casting patterns
fuzzy-neural networks
local models
drgania samowzbudne
wzory odlewnicze
sieci rozmyto-neuronowe
płyty modelowe
Opis:
This article outlines a methodology of modeling self-induced vibrations that occur in the course of machining of metal objects, i.e. when shaping casting patterns on CNC machining centers. The modeling process presented here is based on an algorithm that makes use of local model fuzzy-neural networks. The algorithm falls back on the advantages of fuzzy systems with Takagi-Sugeno-Kanga (TSK) consequences and neural networks with auxiliary modules that help optimize and shorten the time needed to identify the best possible network structure. The modeling of self-induced vibrations allows analyzing how the vibrations come into being. This in turn makes it possible to develop effective ways of eliminating these vibrations and, ultimately, designing a practical control system that would dispose of the vibrations altogether.
W procesie technologicznym wykonania odlewu, istotna pozycja jest omodelowanie odlewnicze, składające się z pojedynczych modeli lub zestawów modeli montowanych na płytach formierskich modelowych. Tak określone omodelowanie służy do odwzorowania w zagęszczonej masie formierskiej kształtu wnęki formy, odtwarzającej odlew zgodnie z technologicznością procesu. Szczególną rolę w jakości gotowego odlewu, przypisuje się jakości płyt modelowych wraz z zestawem modeli, stosowanych w automatach formierskich wykonujących formy odlewnicze. Produkcja płyt modelowych odbywa się na zautomatyzowanych stanowiskach obróbczych CNC, w których podczas procesu obróbki ubytkowej występują niepożądane drgania, zwłaszcza samowzbudne. Drgania niekorzystnie wpływaja na dokładnosc wymiarowa i jakosc powierzchni obrabianych płyt i modeli odlewniczych. Eliminacja drgan samowzbudnych w trakcie procesu skrawania jest jednym z warunków wykonania płyt modelowych o wysokiej jakości. W artykule przedstawiona zostanie metodyka modelowania drgań samowzbudnych za pomocą sieci rozmyto-neuronowych. Jest to pierwszy etap w eliminacji niepożądanych drgań samowzbudnych wystepujących w procesie wytwarzania płyt modelowych. Zamodelowanie drgań samowzbudnych umożliwia analizę procesu powstawania drgań i opracowanie skutecznych metod ich eliminacji, a docelowo zaprojektowanie układu regulacji niwelującego te drgania. Ponadto scharakteryzowano problemy eksploatacyjne, jako następstwo występowania drgań samowzbudnych. Przeanalizowano możliwosci zastosowania sieci rozmyto-neuronowych w celu modelowania drgań samowzbudnych wraz z omówieniem zalet i wad sieci. Przedstawiono również algorytm do tworzenia odpowiednich struktur sieci rozmyto-neuronowych dla modeli lokalnych i przykłady zastosowania algorytmu w procesie modelowania drgań samowzbudnych.
Źródło:
Archives of Metallurgy and Materials; 2013, 58, 3; 871-875
1733-3490
Pojawia się w:
Archives of Metallurgy and Materials
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    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