Artificial neural network modelling of cutting force components in milling
Materiały konferencyjne
MNiSW
15
WOS
| Status: | |
| Autorzy: | Zagórski Ireneusz, Kulisz Monika, Semeniuk Aleksandra |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Rok wydania: | 2017 |
| Wersja dokumentu: | Elektroniczna |
| Język: | angielski |
| Wolumen/Tom: | 15 |
| Strony: | 1 - 8 |
| Web of Science® Times Cited: | 12 |
| Bazy: | Web of Science |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | 2nd International Conference of Computational Methods in Engineering Science |
| Skrócona nazwa konferencji: | CMES’17 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 23 listopada 2017 do 25 listopada 2017 |
| Miasto konferencji: | Lublin |
| Państwo konferencji: | POLSKA |
| Publikacja OA: | TAK |
| Licencja: | |
| Sposób udostępnienia: | Witryna wydawcy |
| Wersja tekstu: | Ostateczna wersja opublikowana |
| Czas opublikowania: | W momencie opublikowania |
| Data opublikowania w OA: | 15 grudnia 2017 |
| Abstrakty: | angielski |
| The following paper will give an account of experimental tests and simulation of the cutting force components Fx, Fy and Fz in down milling of AZ91D magnesium alloy. The milling operation employed two milling cutters with a different helix angle, λs = 20° and λs = 50°, and was conducted with changeable milling machining parameters: cutting speed, feed per tooth, axial depth of cut. The simulation part of the study was conducted in Statistica software environment with the application of Multi-Layered Perceptron neural network architecture, and using a “black box” approach, which guarantees a good fit of input and output data obtained from the experimental tests. |
