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
MNiSW
11
Lista B
Status:
Warianty tytułu:
The influence of technological parameters on surface roughness during turning and roughness prediction using artificial neutral networks
Autorzy: Zagórski Ireneusz, Kulisz Monika, Warda Tomasz
Dyscypliny:
Aby zobaczyć szczegóły należy się zalogować.
Rok wydania: 2018
Wersja dokumentu: Drukowana | Elektroniczna
Język: polski
Numer czasopisma: 10
Wolumen/Tom: 91
Strony: 898 - 900
Bazy: BazTech
Efekt badań statutowych NIE
Materiał konferencyjny: NIE
Publikacja OA: TAK
Licencja:
Sposób udostępnienia: Otwarte czasopismo
Wersja tekstu: Ostateczna wersja opublikowana
Czas opublikowania: W momencie opublikowania
Data opublikowania w OA: 8 października 2018
Abstrakty: polski | angielski
Analizowano wpływ zmiany parametrów technologicznych – posuwu oraz prędkości skrawania – na wybrane parametry chropowatości 2D po toczeniu. Wykorzystano stop aluminium EN-AW 7075 (AlZn5.5MgCu). Wykazano istotny wpływ posuwu oraz brak wpływu prędkości skrawania na parametry chropo-watości powierzchni. W celu przedstawienia możliwości pre - dykcji parametrów chropowatości tego procesu wykonano symulację jednego z nich (Rz) z wykorzystaniem sztucznych sieci neuronowych.
The purpose of this investigation was to determine whether and to what extent the technological parameters of turning (feed, cutting speed) affect selected surface roughness pa- rameters of aluminum alloy EN-AW 7075 (AlZn5.5MgCu). The principal findings indicate a significant impact of feed and show on the surface roughness and simultaneously show that cutting speed has no effect on the value of surface roughness parameters under investigation. An artificial neural network was employed to evaluate the prediction of surface roughness parameter Rz in turning.