Artificial neural network modelling of vibration in the milling of AZ91D alloy
Artykuł w czasopiśmie
MNiSW
10
Lista B
| Status: | |
| Autorzy: | Zagórski Ireneusz, Kulisz Monika, Semeniuk Aleksandra, Malec Anna |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2017 |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Numer czasopisma: | 3 |
| Wolumen/Tom: | 11 |
| Strony: | 261 - 269 |
| Web of Science® Times Cited: | 12 |
| Bazy: | Web of Science | ESCI | DOAJ | BazTech |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | NIE |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 3 września 2017 |
| Abstrakty: | angielski |
| The paper reports the results of artificial neural network modelling of vibration in. a milling process of magnesium alloy AZ91D by a TiAlN-coated carbide tool. Vibrations in machining processes are regarded as an additional, absolute machinability index. The modelling was performed using the so-called “black box” model. The best fit was determined for the input and output data obtained from the machining process. The simulations were performed by the Statistica software using two types of neural networks: RBF (Radial Basis Function) and MLP (Multi-Layered Perceptron). |
