پیش بینی خطای جاماندگی در ماشین ابزارهای CNC با استفاده از شبکه عصبی مصنوعی

در این تحقیق از الگوریتم بهینه سازی لونبرگ مارکارد به عنوان سیستم پیش بینی کننده خطای جاماندگی استفاده شد. به این صورت که با در نظر گرفتن پارامترهای ورودی ماشین ابزارهای CNC از قبیل طول ماشین کاری، نرخ پیشروی و عمق براده برداری به عنوان ورودی شبکه عصبی مصنوعی و بررسی این پارامترها توسط الگوریتم بهینه سازی لونبرگ مارکارد خطای جاماندگی پیش بینی شد. نتایج نشان داد که با افزایش نرخ پیشروی و عمق براده برداری، خطای جاماندگی نیز افزایش پیدا می کند. ارزیابی نتایج نشان داد که مدل عصبی فازی ترکیبی تاکاگی سوگنو با دقت بالاتری نسبت به رگرسیون چند متغیره و سیستم استنتاج فازی به پیش بینی مقادیر خروجی خطای جاماندگی می پردازد.

Keywords:

خطای جاماندگی , شبکه عصبی مصنوعی , فرز CNC , مدل سازی رگرسیون