Кафедра "Інтегровані технології машинобудування ім. М. Ф. Семка"

Постійне посилання колекціїhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/3115

Офіційний сайт кафедри http://web.kpi.kharkov.ua/cutting

Від 2005 року кафедра має назву "Інтегровані технології машинобудування" ім. М. Ф. Семка, попередня назва – "Різання матеріалів та різальні інструменти".

Кафедра заснована в 1885 році. Свої витоки вона веде від кафедри механічної технології (у подальшому – кафедра загального машинобудування, кафедра холодної обробки матеріалів, кафедра різання матеріалів та різальних інструментів).

Засновником і першим завідувачем кафедри був фундатор технологічної підготовки інженерів-механіків в ХТПІ Костянтин Олексійович Зворикін.

Кафедра входить до складу Навчально-наукового інституту механічної інженерії і транспорту Національного технічного університету "Харківський політехнічний інститут і є провідним науково-дослідним і освітнім центром України в галузі високих інтегрованих технологій у машинобудуванні. У науковій школі кафедри різання матеріалів підготовлені 18 докторів технічних наук і 104 кандидата технічних наук.

У складі науково-педагогічного колективу кафедри працюють: 3 доктора технічних наук, 9 кандидатів технічних наук; 3 співробітника мають звання професора, 6 – доцента.

Переглянути

Фільтри

20181

Налаштування

Автор: search.filters.author.Rodić, D.Ключові слова: search.filters.subject.neural network

Результати пошуку

Зараз показуємо 1 - 1 з 1
  • Ескіз
    Документ
    Surface roughness modeling of CBN hard steel turning
    (Национальный технический университет "Харьковский политехнический институт", 2018) Kovač, P.; Taric, M.; Rodić, D.; Nedic, B.; Savković, B.; Ješić, D.
    Study in the paper investigate the influence of the cutting conditions parameters on surface roughness parameters during turning of hard steel with cubic boron nitrite cutting tool insert. For the modeling of surface roughness parameters was used central compositional design of experiment and artificial neural network as well. The values of surface roughness parameters Average mean arithmetic surface roughness (Ra) and Maximal surface roughness (Rmax) were predicted by this two-modeling methodology and determined models were then compared. The results showed that the proposed systems can significantly increase the accuracy of the product profile when compared to the conventional approaches. The results indicate that the design of experiments modeling technique and artificial neural network can be effectively used for the prediction of the surface roughness parameters of hard steel and determined significantly influential cutting conditions parameters.