Neural Network Based Quality Increase Of Surface Roughness Results In Free Form Machining
| Autor: | Marjan Korošec, Jože Duhovnik, Janez Kopač |
|---|---|
| Jazyk: | angličtina |
| Rok vydání: | 2010 |
| Předmět: | |
| Zdroj: | Automatika : časopis za automatiku, mjerenje, elektroniku, računarstvo i komunikacije Volume 51 Issue 1 |
| ISSN: | 1848-3380 0005-1144 |
| Popis: | This paper concerns with free form surface reorganization and assessment of free form model complexity, grouping particular surface geometrical properties within patch boundaries, using self organized Kohonen neural network (SOKN). Neural network proved itself as an adequate tool for considering all topological non-linearities appearing in free form surfaces. Coordinate values of point cloud distributed at a particular surface were used as a surface property’s descriptor, which was led into SOKN where representative neurons for curvature, slope and spatial surface properties were established. On a basis of this approach, surface patch boundaries were reorganized in such a manner that finish machining strategies gave best possible surface roughness results. The patch boundaries were constructed regarding to the Gaussian and mean curvature, in order to achieve smooth transition between patches, and in this way preserve or even improve desired curve and surface continuities, (C2 and G2). It is shown that by reorganization of boundaries considering curvature, slope and spatial point distribution, the surface quality of machined free form surface is improved. Approach was experimentally verified on 22 free form surface models which were reorganized by SOKN and machined with finish milling tool-path strategies. Results showed rather good improvement of mean surface roughness profile Ra for reorganized surfaces, when comparing to unorganized free form surfaces. Ovaj se članak bavi reorganizacijom slobodnih površina i ocjenom kompleksnosti modela slobodnih površina, grupirajući određena površinska geometrijska svojstva unutar zatvorenih površina, koristeći samoorganizirajuću Kohonenovu neuronsku mrežu (SOKN). Neuronske mreže pokazale su se kao prikladan alat za razmatranje svih topoloških nelinearnosti koje se pojavljuju kod slobodnih površina. Vrijednosti koordinata oblaka točaka raspodijeljenih nad određenom površinom korišteni su kao svojstveni opis, što je nadalje vodilo prema SOKN-u, gdje su ustanovljeni reprezentativni neuroni za zakrivljenost, nagib i prostorno-površinska svojstva. Na temelju ovoga pristupa reorganizirane su granice zatvorenih površina na takav način da metode površinske obrade daju najbolje moguće rezultate spram površinske hrapavosti. Granice tih površina određene su prema Gaussovoj i prosječnoj zakrivljenosti kako bi se postigao glatki prijelaz između zatvorenih površina te kako bi se na taj način očuvala ili čak unaprijedila željena zakrivljenost i glatkoća površine, (C2 i G2). Pokazano je da se reorganizacijom granica s obzirom na zakrivljenost, nagib i prostornu raspodjelu točaka, poboljšava kvaliteta obrađene slobodne površine. Pristup je eksperimentalno potvrđen na 22 modela slobodne površine koji su reorganizirani SOKN-om i površinski obrađeni određenim metodama. Rezultati pokazuju poprilično dobro poboljšanje prosječne vrijednosti površinske hrapavosti Ra za reorganizirane strukture u usporedbi sa neorganiziranim slobodnim površinama. |
| Databáze: | OpenAIRE |
| Externí odkaz: |
|