Dominar la complejidad de la conformación incremental: predicción de precisión basada en geometría utilizando aprendizaje automático
Autores: Carette, Yannick; Duflou, Joost R.
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Dominar la complejidad de la conformación incremental: predicción de precisión basada en geometría utilizando aprendizaje automático
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería General
Palabras clave
Flexibilidad
Formación incremental de un solo punto
Comportamiento de deformación
Método de regresión
Aumento de árbol de gradiente
Características geométricas
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 29
Citaciones: Sin citaciones
La flexibilidad prevista de la Formación Incremental de un Solo Punto se contradice con su comportamiento de deformación altamente complejo, lo que hace que el proceso sea fácil de implementar pero difícil de controlar completamente. Este documento describe un método de regresión que utiliza Gradient Tree Boosting para predecir las desviaciones para una geometría de entrada dada, lo que puede reemplazar la producción física de piezas necesaria para la optimización de la generación de trayectorias de herramientas. Este documento detalla el cálculo de las características geométricas utilizadas por el regresor y la selección de un conjunto de datos de entrenamiento apropiado. El método se valida utilizando un conjunto de datos generado de geometrías de piezas de trabajo elipsoides completamente de forma libre.
Descripción
La flexibilidad prevista de la Formación Incremental de un Solo Punto se contradice con su comportamiento de deformación altamente complejo, lo que hace que el proceso sea fácil de implementar pero difícil de controlar completamente. Este documento describe un método de regresión que utiliza Gradient Tree Boosting para predecir las desviaciones para una geometría de entrada dada, lo que puede reemplazar la producción física de piezas necesaria para la optimización de la generación de trayectorias de herramientas. Este documento detalla el cálculo de las características geométricas utilizadas por el regresor y la selección de un conjunto de datos de entrenamiento apropiado. El método se valida utilizando un conjunto de datos generado de geometrías de piezas de trabajo elipsoides completamente de forma libre.