Informacja o cookies

Zgadzam się Nasza strona zapisuje niewielkie pliki tekstowe, nazywane ciasteczkami (ang. cookies) na Twoim urządzeniu w celu lepszego dostosowania treści oraz dla celów statystycznych. Możesz wyłączyć możliwość ich zapisu, zmieniając ustawienia Twojej przeglądarki. Korzystanie z naszej strony bez zmiany ustawień oznacza zgodę na przechowywanie cookies w Twoim urządzeniu.

Publikacje Pracowników Politechniki Lubelskiej

Publikacje Pracowników PL z lat 1990-2010

Publikacje pracowników Politechniki Lubelskie z lat 1990-2010 dostępne są jak dotychczas w starej bazie publikacji
LINK DO STAREJ BAZY

MNiSW
20
Poziom I
Status:
Autorzy: Kulisz Monika, Zagórski Ireneusz, Józwik Jerzy
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Wersja dokumentu: Drukowana | Elektroniczna
Język: angielski
Strony: 70 - 75
Web of Science® Times Cited: 0
Scopus® Cytowania: 0
Bazy: Web of Science | Scopus
Efekt badań statutowych NIE
Finansowanie: The project/research was financed in the framework of the project Lublin University ofTechnology-Regional Excellence Initiative, :funded by the Polish Ministry of Science and Higher Education (contract no. 030/RID/2018/19).
Materiał konferencyjny: TAK
Nazwa konferencji: 9th International Workshop on Metrology for AeroSpace
Skrócona nazwa konferencji: MetroAeroSpace 2022
URL serii konferencji: LINK
Termin konferencji: 27 czerwca 2022 do 29 czerwca 2022
Miasto konferencji: Pisa
Państwo konferencji: WŁOCHY
Publikacja OA: NIE
Abstrakty: angielski
The main aim of the research was to analyze the influence of the milling process parameters on selected indicators of 2D surface roughness parameters after milling with the HSS milling cutter AZ91D magnesium alloy. The tests were carried out with variable machining parameters /z and ap. The results of the analyzed roughness parameters (Rq, Rp, Rv, Rt) were presented in bar charts. lt has been observed that it is possible to achieve an average surface quality using cheap and widely available HSS cutters. An additional aim of the work was modeling of roughness parameters (Rq, Rp, Rv, Rt) using the Statistica Artificial Neural Networks software. The results of modeling and prediction were presented on the surface charts. The obtained networks show satisfactory predictive ability (R = 0.99), andd thus it can be concluded that they can be a suitable tool for predicting the indicated (Rq, Rp, Rv, Rt) surface roughness parameters.