Zobrazeno 1 - 10
of 332
pro vyhledávání: '"tool wear prediction"'
Publikováno v:
Scientific Reports, Vol 14, Iss 1, Pp 1-10 (2024)
Abstract To ensure the reliability of machining quality, it is crucial to predict tool wear accurately. In this paper, a novel deep learning-based model is proposed, which synthesizes the advantages of power spectral density (PSD), convolutional neur
Externí odkaz:
https://doaj.org/article/20150b8c24cb4681b9f4b41447cdc286
Publikováno v:
Applied Mathematics and Nonlinear Sciences, Vol 9, Iss 1 (2024)
To reduce the damage of mechanical parts during machining, a tool wear prediction method based on the SVM-Clara model is proposed. By analyzing the support vector machine (SVM) and Clara algorithm, using regular prediction data or unobservable data,
Externí odkaz:
https://doaj.org/article/7697ab7ddd6e4f3f89d16c1a5d67cd93
Publikováno v:
Sensors, Vol 24, Iss 11, p 3394 (2024)
Tool wear prediction is of great significance in industrial production. Current tool wear prediction methods mainly rely on the indirect estimation of machine learning, which focuses more on estimating the current tool wear state and lacks effective
Externí odkaz:
https://doaj.org/article/1c0b139cbd0b42619b2af122992246d7
Autor:
Lian Guo, Yongguo Wang
Publikováno v:
Machines, Vol 12, Iss 5, p 341 (2024)
In the manufacturing sector, tool wear substantially affects product quality and production efficiency. While traditional sequential deep learning models can handle time-series tasks, their neglect of complex temporal relationships in time-series dat
Externí odkaz:
https://doaj.org/article/e3956653a4f34d83bfc43f0cd33714b1
Publikováno v:
Sensors, Vol 24, Iss 8, p 2652 (2024)
The intelligent monitoring of cutting tools used in the manufacturing industry is steadily becoming more convenient. To accurately predict the state of tools and tool breakages, this study proposes a tool wear prediction technique based on multi-sens
Externí odkaz:
https://doaj.org/article/b0af954cc63e4512ad8322cde4a3afe1
Publikováno v:
Lubricants, Vol 12, Iss 2, p 36 (2024)
Tool wear prediction can ensure product quality and production efficiency during manufacturing. Although traditional methods have achieved some success, they often face accuracy and real-time performance limitations. The current study combines multi-
Externí odkaz:
https://doaj.org/article/61ca4ebce11b46c797e5e953e40a9528
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.