Вісник Національного технічного університету «ХПІ». Серія: Технології в машинобудуванні

Постійне посилання на розділhttps://repository.kpi.kharkov.ua/handle/KhPI-Press/69229

Офіційний сайт http://tm.khpi.edu.ua/

У виданні публікуються статті, у яких теоретично досліджують та вдосконалюють технологічні процеси виготовлення деталей машин і складання виробів, технологічного обладнання та оснащення.

Рік заснування: 2001. Періодичність: 2 рази на рік. ISSN 2079–004Х(Print), ISSN 2786–7587(Online)

Переглянути

Фільтри

20231

Налаштування

Автор: search.filters.author.Равська, Наталія СергіївнаКлючові слова: search.filters.subject.artificial neural networks

Результати пошуку

Зараз показуємо 1 - 1 з 1
  • Ескіз
    Публікація
    Наукові основи визначення залежностей теорії різання в алгоритмах при реалізації нейронних мереж процесів формоутворення
    (Національний технічний університет "Харківський політехнічний інститут", 2023) Равська, Наталія Сергіївна; Парненко, Валерія Сергіївна; Гасанов, Магомедємін Ісамагомедович; Заковоротний, Олександр Юрійович; Клочко, Олександр Олександрович
    Наукові основи визначення залежностей теорії різання є складною структурною системою яка супроводжувається безліччю різних фізичних явищ. До них відносяться такі як пластичні деформації, тертя, вібрації, теплові, хімічні та ін, які визначаються, в основному верстатом, інструментом, оброблюваним матеріалом. Великою мірою ефективність процесу різання залежить від управління цим процесом. Останнім часом для управління технологічними процесами використовуються штучні нейронні мережі (ШНМ) і являють математичну модель з її програмним або апаратним втіленням. Ці моделі не що інше як залежність між досліджуваними вхідними факторами та вихідними параметрами. Вони придатні лише управління процесами в аналізованому діапазоні змінних і розкриває сутності «чорного ящика» тобто. явищ їх супроводжуючих. Створення нейронних мереж на основі явищ, що супроводжують аналізований технологічний процес, відкриває широкі можливості оптимального управління його параметрами з подальшою корекцією системи. Такий підхід значно підвищить точність управління, скоротить витрати на навчання та реалізацію управління. Створення таких ШНМ на прикладі процесу різання є актуальною проблемою та її вирішення має велике практичне значення.