Yüzey Pürüzlülüğünün Makine Öğrenmesi ile Tahmin Edilmesi
Open Access
- 24 January 2025
- journal article
- research article
- Published by Politeknik Dergisi in Journal of Polytechnic
- Vol. 28 (1) , 187-195
Abstract
CNC tornalama genellikle metal parçaları işlemek için kullanılır. Son yüzeyin kalitesi, işlemin kalitesini değerlendirilmesi ve işleme koşullarını belirlemesinde önemli bir parametredir. İşleme performansını optimize etmek için, işleme parametreleri ve yüzey pürüzlülüğü değerleri arasındaki karmaşık ilişkileri araştırmak ve tahmin etmek gerekir. Yapay Sinir Ağı (YSA) modelleri, karmaşık ilişkileri öğrenme ve tahmin etme yetenekleri nedeniyle kesme koşullarının yüzey pürüzlülüğü üzerindeki etkilerini araştırmak için kullanılabilir. Bu çalışmada, Çoklu Lineer Regresyon (ÇLR) ve YSA yöntemleri kullanılarak tornalama sonrası yüzey pürüzlülüğü (Ra) değerlerini tahmin etmek için tahmin modelleri geliştirilmiştir. Tahmin modellerini geliştirmek için işleme deneyleri yapılmıştır. Deneylerde kesme hızı (m/dak), kesme derinliği (mm) ve ilerleme hızı (mm/dev) olmak üzere üç kontrol faktörü seviyesi kullanılmıştır. Geliştirilen modeller deneysel ölçümlerle doğrulanmış ve performansları değerlendirilmiştir. YSA tahminlerinin gerçek değerlere göre %87,6 doğruluğa sahip olduğu, çoklu regresyon tahminlerinin ise %78,4 doğruluğa sahip olduğu hesaplanmıştır. Çalışma, YSA yönteminin MLR yönteminden daha yüksek bir performansa sahip olduğunu ve yüzey pürüzlülüğü değerlerini tahmin etmek için kullanılabileceğini göstermiştir.Keywords
Funding Information
- Gazi Üniversitesi Bilimsel Araştırma Projeleri Birimi (BAP-FYL-2021-7274)
This publication has 23 references indexed in Scilit:
- Vibration coupling effects and machining behavior of ultrasonic vibration plate device for creep-feed grinding of Inconel 718 nickel-based superalloyChinese Journal of Aeronautics, 2022
- Grinding force and surface quality in creep feed profile grinding of turbine blade root of nickel-based superalloy with microcrystalline alumina abrasive wheelsChinese Journal of Aeronautics, 2021
- Improving the predictive accuracy of artificial neural network (ANN) approach in a mild steel turning operationThe International Journal of Advanced Manufacturing Technology, 2021
- Experimental Investigation on Tool Wear in AISI H13 Die Steel Turning Using RSM and ANN MethodsArabian Journal for Science and Engineering, 2020
- Self-adjusting on-line cutting condition for high-speed milling processJournal of Mechanical Science and Technology, 2020
- ANN–PSO Integrated Optimization Methodology for Intelligent Control of MMC MachiningJournal of The Institution of Engineers (India): Series C, 2016
- The effect of roughness and residual stresses on fatigue life time of an alloy of titaniumThe International Journal of Advanced Manufacturing Technology, 2014
- Modeling and analysis of correlations between cutting parameters and cutting force components in turning AISI 1043 steel using ANNJournal of the Brazilian Society of Mechanical Sciences and Engineering, 2013
- Surface roughness variation of thin wall milling, related to modal interactionsInternational Journal of Machine Tools and Manufacture, 2008
- Predictive modeling of surface roughness and tool wear in hard turning using regression and neural networksInternational Journal of Machine Tools and Manufacture, 2005