Приказ основних података о дисертацији

Analyzing and modelling of cutting parameters by artificial neural networks during turning process

dc.contributor.advisorПејовић, Бранко
dc.creatorАничић, Обрад
dc.date.accessioned2019-05-31T11:59:43Z
dc.date.available2019-05-31T11:59:43Z
dc.date.available2020-07-04T13:51:41Z
dc.date.issued2018
dc.identifier.urihttps://nardus.mpn.gov.rs/handle/123456789/11160
dc.identifier.urieteze.pr.ac.rssr
dc.description.abstractПримена оптималних параметара режима резања током реализације процеса обраде скидањем струготине се намеће као обавеза, обзиром на неопходност најефикаснијег могућег управљања процесом обраде односно постизања најбољих резултата током обраде материјала резањем. Један од циљева ове дисертације је анализа зависности отпора резања (главни отпор резања, отпор продирања и отпор помоћног кретања) и облика струготине од различитих параметара режима резања по којима ће бити реализован процес обраде стругањем. Подаци неопходни за спровођење поменуте анализе су прикупљени током обраде стругањем као у пракси најзаступљеније врсте обраде резањем. Материјал коришћен током експеримента је челик за побољшање 30CrNiMo8 (стара ознака Č.5432 и ознаке 4340 по AISI систему). Током обраде варирани су брзина резања, корак резања и дубина резања, као параметри режима резања од највећег утицаја. У другом делу истраживања је и анализирана повезаност отпор резања (главни отпор резања, отпор продирања и отпор помоћног кретања) и параметара режима резања за различите облике струготине и храпавости површине материјала. Анализа је спроведена коришћењем три главне компоненте отпора резања. На основу добијених резултата закључено је да отпор продирања F2 има најјачу узајамну повезаност струготином. Када је дубина резања у питању, најјача узајамна повезаност постоји са храпавошћу обрадом добијене површине. Обзиром на сложеност и комплексност, као и временску захтевност поступка одређивања облика струготине у ову сврху је коришћена вештачка неуронска мрежа са фази логиком. Такав тип мреже се зове адаптивни неуро-фази систем (eng. Adaptive Neural Fuzzy Interface System - ANFIS) и представља начин заобилажења потешкоћа које постоје код изразито нелинеарних серија података, чија анализа применом класичних метода захтева доста времена. То је уједно и главни разлог примене ANFIS методологије у овој дисертацији. Уместо представљања проблема у математичкој форми у циљу развијања стратегије обраде података, неуронске мреже користе принципе људског мозга и његове структуре. Добијена стратегија обраде података на принципима људског мозга се назива вештачка интелигенција, обзиром да користи принципе обраде података биолошких неуронских мрежа. ANFIS методологија је коришћена као алат за одређивање узајамних повезаности између параметара посматраних током експеримента. Процес карактерише изразита нелинеарност, због чега би примена класичних метода рачунања довела до неприхватљивог утрошка ресурса и материјала. Циљ одређивања узајамне повезаности параметара јесте одређивање оног параметра који има највећи утицај на формирање облика струтогине. Поред овог, дефинисан је и циљ који подразумева одређивање узајамне повезаности комбинације најутицајнијих параметара и различитих облика струготине, која би требала да представља оптималну комбинацију параметара која обезбеђује најповољнији облик струготине. То значи да се одређена комбинација параметара понаша као оптимална обзиром на најјачу узајамну повезаност са струготином тј. њеним обликом.Може се рећи да је анализа урађена тако што је спроведено рангирање параметара режима резања у зависности од јачине њихове узајамне повезаности са различитим облицима струготине. Извршена је и анализа дебљине добијене струготине, обзиром на њен утицај на квалитет крајњег производа, као и анализа температуре у зони резања и њена узајамна повезаност са обликом струготине и храпавошћу обрадом добијених површина. Резултати су показали да температура у зони контакта резног алата и обратка има јачу узајамну повезаност са обликом струготином од глобалне максималне температуре која се јавља током процеса обраде материјала. На крају је извршена анализа постојаности односно хабања резног алата током испитивања, која је показала да током релативно краткe обраде, уз малу похабаност алата, није дошло до значајније промене отпора резања. Поред тога се може закључити да је током посматраних режима резања, праћењем облика струготине, дошло до хабања алата врло ниског нивоа.sr
dc.language.isosccsr
dc.publisherУниверзитет у Приштини (Косовска Митровица), Факултет техничких наукаsr
dc.rightsopenAccessen
dc.rights.urihttps://creativecommons.org/licenses/by-nc-nd/4.0/
dc.sourceУниверзитет у Приштини [Косовска Митровица]sr
dc.subjectобрада стругањемsr
dc.subjectпараметри резањаsr
dc.subjectоблици струготинеsr
dc.subjectнеуро- фази логикаsr
dc.subjectгрешка предикцијеsr
dc.subjectгрешка тренирања и тестирањаsr
dc.subjectвештачка интелигенцијаsr
dc.subjectнеуронска мрежаsr
dc.subjectАНФИС методологијаsr
dc.subjectотпор резањаsr
dc.subjectтемпературе у зони резањаsr
dc.subjectхабање и постојаност алатаsr
dc.subjectхрапавост површине.sr
dc.titleАнализа и моделирање параметара резања код обраде стругањем применом вештачких неуронских мрежаsr
dc.title.alternativeAnalyzing and modelling of cutting parameters by artificial neural networks during turning processen
dc.typedoctoralThesisen
dc.rights.licenseBY-NC-NDsr
dc.identifier.fulltexthttps://nardus.mpn.gov.rs/bitstream/id/61143/obrad_anicic_dd.pdf
dc.identifier.fulltexthttps://nardus.mpn.gov.rs/bitstream/id/61144/izvestaj_obrad_anicic.pdf
dc.identifier.fulltexthttp://nardus.mpn.gov.rs/bitstream/id/61143/obrad_anicic_dd.pdf
dc.identifier.fulltexthttp://nardus.mpn.gov.rs/bitstream/id/61144/izvestaj_obrad_anicic.pdf
dc.identifier.rcubhttps://hdl.handle.net/21.15107/rcub_nardus_11160


Документи за докторску дисертацију

Thumbnail
Thumbnail

Ова дисертација се појављује у следећим колекцијама

Приказ основних података о дисертацији