La modelisation en usinage : etude comparative. Comparaison entre les modeles predictifs de la coupe en utilisant les approches RSM et RNA
Par :Formats :
- Paiement en ligne :
- Livraison à domicile ou en point Mondial Relay indisponible
- Retrait Click and Collect en magasin gratuit
- Nombre de pages76
- PrésentationBroché
- Poids0.126 kg
- Dimensions15,2 cm × 22,9 cm × 0,5 cm
- ISBN978-3-330-87798-6
- EAN9783330877986
- Date de parution01/11/2018
- CollectionOMN.UNIV.EUROP.
- ÉditeurUniv Européenne
Résumé
Lors de l'usinage, les conditions de réussite, apparaissent dans la zone de coupe. Dans ce contexte, le lien entre les conditions de coupe (vitesse de coupe, avance, profondeur de passe, et type de l'outil) et la rugosité de surface (Ra et Rt) représente un objectif industriel majeure. Ce travail est concentré sur une étude expérimentale traitant les effets des paramètres de coupe sur la rugosité de surface, obtenue lors de l'usinage de l'acier 42Cd4 (AISI 4140) traité à 60 HRC, usiné en tournage dur à sec par des outils en céramique et en carbure métallique.
L'étude est divisée en deux parties : la première porte sur la proposition des modèles mathématiques prédictifs de la rugosité de surface, en se basant sur les deux méthodes de modélisations : La méthodologie de surface de réponse (MSR) et les réseaux de neurones artificiels (RNA). La deuxième partie, concerne la comparaison des résultats des deux méthodes de modélisation MSR et RNA, afin de choisir la plus efficace.
A partir de l'étude comparative, les modèles RNA se révèlent être capable de mieux prédire la rugosité de surface dans la gamme de l'expérimentation réalisée, que les modèles MSR.
L'étude est divisée en deux parties : la première porte sur la proposition des modèles mathématiques prédictifs de la rugosité de surface, en se basant sur les deux méthodes de modélisations : La méthodologie de surface de réponse (MSR) et les réseaux de neurones artificiels (RNA). La deuxième partie, concerne la comparaison des résultats des deux méthodes de modélisation MSR et RNA, afin de choisir la plus efficace.
A partir de l'étude comparative, les modèles RNA se révèlent être capable de mieux prédire la rugosité de surface dans la gamme de l'expérimentation réalisée, que les modèles MSR.
Lors de l'usinage, les conditions de réussite, apparaissent dans la zone de coupe. Dans ce contexte, le lien entre les conditions de coupe (vitesse de coupe, avance, profondeur de passe, et type de l'outil) et la rugosité de surface (Ra et Rt) représente un objectif industriel majeure. Ce travail est concentré sur une étude expérimentale traitant les effets des paramètres de coupe sur la rugosité de surface, obtenue lors de l'usinage de l'acier 42Cd4 (AISI 4140) traité à 60 HRC, usiné en tournage dur à sec par des outils en céramique et en carbure métallique.
L'étude est divisée en deux parties : la première porte sur la proposition des modèles mathématiques prédictifs de la rugosité de surface, en se basant sur les deux méthodes de modélisations : La méthodologie de surface de réponse (MSR) et les réseaux de neurones artificiels (RNA). La deuxième partie, concerne la comparaison des résultats des deux méthodes de modélisation MSR et RNA, afin de choisir la plus efficace.
A partir de l'étude comparative, les modèles RNA se révèlent être capable de mieux prédire la rugosité de surface dans la gamme de l'expérimentation réalisée, que les modèles MSR.
L'étude est divisée en deux parties : la première porte sur la proposition des modèles mathématiques prédictifs de la rugosité de surface, en se basant sur les deux méthodes de modélisations : La méthodologie de surface de réponse (MSR) et les réseaux de neurones artificiels (RNA). La deuxième partie, concerne la comparaison des résultats des deux méthodes de modélisation MSR et RNA, afin de choisir la plus efficace.
A partir de l'étude comparative, les modèles RNA se révèlent être capable de mieux prédire la rugosité de surface dans la gamme de l'expérimentation réalisée, que les modèles MSR.
