http://chineseinput.net/에서 pinyin(병음)방식으로 중국어를 변환할 수 있습니다.
변환된 중국어를 복사하여 사용하시면 됩니다.
- 中文 을 입력하시려면 zhongwen을 입력하시고 space를누르시면됩니다.
- 北京 을 입력하시려면 beijing을 입력하시고 space를 누르시면 됩니다.
RISS 인기검색어
- 검색키워드
- 저자 : 심범식(Beom-Sik Sim) (검색결과 2 건)
- 무료
- 기관 내 무료
- 유료
-
-
자가연상신경망을 이용한 밀링 공정에서의 공구 마모 모니터링
오대진(Dae Jin Oh),심범식(Beom Sik Sim),이원균(Wonkyun Lee) 대한기계학회 2021 大韓機械學會論文集A Vol.45 No.4
절삭가공 중 공정신호 모니터링 결과를 분석해 공구의 마모량을 예측하고, 이를 기반으로 공구 교체시기를 최적화함으로써 생산성을 향상시키는 공구 마모 모니터링 기술은 공작기계 지능화의 주요 기술 중 하나이다. 본 논문은 밀링가공 중 발생하는 절삭력 측정결과를 이용한 기계학습 기반 공구 마모예측 알고리즘을 제시하고 그 성능을 검증하였다. 기존의 인공신경망에서 발생할 수 있는 과적합 문제에서 비교적 자유롭고, 복잡한 경계를 가진 데이터를 분류하는 데 적합한 자가연상신경망을 적용하였다. 자가연상신경망의 특성을 이용해 공구 마모 지표를 정의하고, 절삭력에서 적절한 특성들을 산출해 신경망 학습과 평가에 사용하였다. 이후 모든 마모 단계의 데이터에 대해 마모 지표를 산출하고 다른 예측방법과 그 결과를 비교했다. Tool wear monitoring is a key technology for improving productivity of machine tools by optimizing the tool replacement period during the machining process. We propose an algorithm to estimate tool wear during milling based on measurement of the cutting force and an autoassociative neural network (AANN). AANNs are suitable for classifying data with complex boundaries because they are relatively free from overfitting problems that can occur in existing artificial neural networks. The wear indicator of the tool was defined using the characteristics of the AANN, and the appropriate characteristics were calculated from the cutting force generated during machining to apply it to tool wear. After the artificial neural network was trained with the data collected during the normal milling process, the wear indicator was calculated for all data and compared with the result from other methods that predict flank wear of milling tools.
연관 검색어 추천
이 검색어로 많이 본 자료
활용도 높은 자료
