Estimation of the Diamond Disk Wear in Stone Cutting
Publish place: 13th Iran Engineering Manufacturing Conference
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: English
View: 337
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICME013_032
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
Disk wear play a major role in the economic aspects of stone cutting process. Wear behavior of the disk is related to the machining conditions and this relation is to be recognized. In this survey, cutting of the granite stone by diamond disk under different machining conditions has been studied. In order to fulfill the detection requirements and optimize the process, an error back propagation neural network is implemented to estimate the interconnection of the disk wear to cutting condition. Different number of the layers and nodes in the artificial neural network has been examined to reach to an optimal structure. Training data is provided through a laboratory rig which simulates realistic cutting condition.The final structure approximates the training data with an average accuracy of 91%. It has been also found that disk wear is proportional to the depth of cut and cutting speed while by increasing the feed rate, it would be decreased.
Keywords:
Authors
R. Yousefi
Assistant prof. Sharif University of Technology
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :