Predicción del desgaste de la banda abrasiva basada en la red neuronal BP
Autores: Cao, Yuanxun; Zhao, Ji; Qu, Xingtian; Wang, Xin; Liu, Bowen
Idioma: Inglés
Editor: MDPI
Año: 2021
Acceso abierto
Artículo científico
2021
Predicción del desgaste de la banda abrasiva basada en la red neuronal BP
Categoría
Tecnología de Equipos y Accesorios
Subcategoría
Diseño de equipos y herramientas
Palabras clave
Molienda con banda abrasiva
Monitoreo
Predicción de desgaste
Velocidad de molienda
Presión de contacto
Material de la pieza de trabajo
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
El rectificado con banda abrasiva es la tecnología clave en el campo de la fabricación de alta precisión, pero las condiciones de trabajo de las partículas abrasivas en la superficie de la banda afectan directamente la calidad y eficiencia durante el procesamiento. Con el objetivo de abordar el problema de la incapacidad para monitorear el estado de desgaste de la banda abrasiva en tiempo real durante el proceso de rectificado, y el desafío del control que consume tiempo mientras se detiene para la detección, este artículo propone un método para predecir el desgaste de la banda abrasiva durante el proceso de rectificado basado en una red neuronal de retropropagación (BP). Primero, se llevan a cabo experimentos basados en tecnología de detección de ultra profundidad de campo, y se utilizan diferentes combinaciones de parámetros para medir el grado de desgaste de la banda abrasiva. Luego, se obtienen los efectos de diferentes velocidades de rectificado, diferentes presiones de contacto y diferentes materiales de piezas de trabajo sobre la tasa de desgaste de la banda abrasiva. Se puede concluir que la tasa de desgaste de la banda abrasiva aumenta gradualmente a medida que aumenta la velocidad de rectificado de la banda abrasiva. Con el aumento del grado de acero, la dureza de la estructura del acero aumenta, lo que intensifica el desgaste de la banda abrasiva. A medida que aumenta la presión de contacto, la presión sobre una sola partícula abrasiva aumenta, lo que finalmente conduce a un mayor desgaste. Con el aumento de la presión de contacto, el aumento de la tasa de desgaste de los materiales con mayor dureza es mayor. Al utilizar el método de red neuronal BP de inteligencia artificial, se utilizan 18 conjuntos de datos experimentales para entrenar la red neuronal BP, mientras que 9 conjuntos de datos se utilizan para la verificación, y se establece la relación de mapeo no lineal entre varias combinaciones de parámetros de proceso, como la velocidad de rectificado, la presión de contacto, el material de la pieza de trabajo y la tasa de desgaste, para predecir el grado de desgaste de la banda abrasiva. Finalmente, los resultados de la verificación por ejemplos muestran que el método propuesto en este artículo puede cumplir con el propósito de predecir de manera rápida y precisa el grado de desgaste de la banda abrasiva, lo que puede ser utilizado para guiar el procesamiento de fabricación y mejorar significativamente la eficiencia del procesamiento.
Descripción
El rectificado con banda abrasiva es la tecnología clave en el campo de la fabricación de alta precisión, pero las condiciones de trabajo de las partículas abrasivas en la superficie de la banda afectan directamente la calidad y eficiencia durante el procesamiento. Con el objetivo de abordar el problema de la incapacidad para monitorear el estado de desgaste de la banda abrasiva en tiempo real durante el proceso de rectificado, y el desafío del control que consume tiempo mientras se detiene para la detección, este artículo propone un método para predecir el desgaste de la banda abrasiva durante el proceso de rectificado basado en una red neuronal de retropropagación (BP). Primero, se llevan a cabo experimentos basados en tecnología de detección de ultra profundidad de campo, y se utilizan diferentes combinaciones de parámetros para medir el grado de desgaste de la banda abrasiva. Luego, se obtienen los efectos de diferentes velocidades de rectificado, diferentes presiones de contacto y diferentes materiales de piezas de trabajo sobre la tasa de desgaste de la banda abrasiva. Se puede concluir que la tasa de desgaste de la banda abrasiva aumenta gradualmente a medida que aumenta la velocidad de rectificado de la banda abrasiva. Con el aumento del grado de acero, la dureza de la estructura del acero aumenta, lo que intensifica el desgaste de la banda abrasiva. A medida que aumenta la presión de contacto, la presión sobre una sola partícula abrasiva aumenta, lo que finalmente conduce a un mayor desgaste. Con el aumento de la presión de contacto, el aumento de la tasa de desgaste de los materiales con mayor dureza es mayor. Al utilizar el método de red neuronal BP de inteligencia artificial, se utilizan 18 conjuntos de datos experimentales para entrenar la red neuronal BP, mientras que 9 conjuntos de datos se utilizan para la verificación, y se establece la relación de mapeo no lineal entre varias combinaciones de parámetros de proceso, como la velocidad de rectificado, la presión de contacto, el material de la pieza de trabajo y la tasa de desgaste, para predecir el grado de desgaste de la banda abrasiva. Finalmente, los resultados de la verificación por ejemplos muestran que el método propuesto en este artículo puede cumplir con el propósito de predecir de manera rápida y precisa el grado de desgaste de la banda abrasiva, lo que puede ser utilizado para guiar el procesamiento de fabricación y mejorar significativamente la eficiencia del procesamiento.