Prediction of Surface Roughness after Turning of Duplex Stainless Steel (DSS)

Al-Khwarizmi Engineering Journal Pub Date : 2021-06-01 DOI:10.22153/KEJ.2021.01.001

Osamah Abdulateef

{"title":"Prediction of Surface Roughness after Turning of Duplex Stainless Steel (DSS)","authors":"Osamah Abdulateef","doi":"10.22153/KEJ.2021.01.001","DOIUrl":null,"url":null,"abstract":"تم تصميم نموذج الشبكة العصبية الاصطناعية للانتشار الخلفي باستخدام MATLAB Neural Network Toolbox للتنبؤ بخشونة سطح الفولاذ المقاوم للصدأ على الوجهين بعد الخراطة المتعامدة باستخدام أداة قطع نوع كربيد غير مصقول. كانت متغيرات الإدخال هي معدل التغذية (f) وسرعة القطع (V) وعمق القطع (d) لكل من التجارب العملية ونموذج التوقع ((ANN ، بينما كان متغير الإخراج هو خشونة السطح (Ra). باستخدام طريقة تصميم Taguchi التجريبية ، تم الحصول على بنية ANN مثالية مع خوارزمية تدريب Levenberg-Marquardt. تم إجراء بحث حدودي باستخدام بنية ANN المحسنة للإبلاغ عن تأثير كل متغير تحول على خشونة السطح. تشير النتائج التي تم تحقيقها إلى أن ANN هي أداة متعددة الاستخدامات ويمكن توسيعها بسهولة وثقة أكبر لعمليات قطع المعادن المختلفة.","PeriodicalId":7637,"journal":{"name":"Al-Khwarizmi Engineering Journal","volume":"49 1","pages":"8-17"},"PeriodicalIF":0.0000,"publicationDate":"2021-06-01","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"1","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Al-Khwarizmi Engineering Journal","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.22153/KEJ.2021.01.001","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}

引用次数: 1

Abstract

تم تصميم نموذج الشبكة العصبية الاصطناعية للانتشار الخلفي باستخدام MATLAB Neural Network Toolbox للتنبؤ بخشونة سطح الفولاذ المقاوم للصدأ على الوجهين بعد الخراطة المتعامدة باستخدام أداة قطع نوع كربيد غير مصقول. كانت متغيرات الإدخال هي معدل التغذية (f) وسرعة القطع (V) وعمق القطع (d) لكل من التجارب العملية ونموذج التوقع ((ANN ، بينما كان متغير الإخراج هو خشونة السطح (Ra). باستخدام طريقة تصميم Taguchi التجريبية ، تم الحصول على بنية ANN مثالية مع خوارزمية تدريب Levenberg-Marquardt. تم إجراء بحث حدودي باستخدام بنية ANN المحسنة للإبلاغ عن تأثير كل متغير تحول على خشونة السطح. تشير النتائج التي تم تحقيقها إلى أن ANN هي أداة متعددة الاستخدامات ويمكن توسيعها بسهولة وثقة أكبر لعمليات قطع المعادن المختلفة.

查看原文本刊更多论文

双相不锈钢车削后表面粗糙度的预测

人造后扩散神经网络模型的设计是利用matb newnetworx来预测垂直条纹后的锈钢表面的粗糙程度，并使用未抛光的碳化物切割工具。输入变量是实际试验和预测模型的营养速率(f)、切割速度(V)和切割深度(d) (n)，而输出变量是表面粗糙度(Ra)。使用Taguchi的实验设计方法，已经获得了一个关于levenberg - marquards培训算法的完美结构。使用经过改进的ANN结构进行了边界研究，以报告每一个变异变量对表面粗糙程度的影响。调查结果表明，n n是一种多用途工具，可以很容易地扩大，对不同金属切割工艺更有信心。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊

Al-Khwarizmi Engineering Journal

自引率

0.00%

发文量