(3.237.97.64) 您好!臺灣時間:2021/03/05 03:07
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:丁嘉仁
研究生(外文):Ting Chia Jen
論文名稱:以神經網路進行鑽削刀具磨耗監測模式之研究
論文名稱(外文):Monitoring Model of Drilling Wear Using Neural Networks
指導教授:林士傑林士傑引用關係
指導教授(外文):Lin Shih Chieh
學位類別:碩士
校院名稱:國立清華大學
系所名稱:動力機械學系
學門:工程學門
學類:機械工程學類
論文種類:學術論文
論文出版年:1993
畢業學年度:81
語文別:中文
中文關鍵詞:鑽削刀具磨耗監測類神經網路
外文關鍵詞:DrillMonitoringWearNeural Networks
相關次數:
  • 被引用被引用:1
  • 點閱點閱:192
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
鑽削刀具磨耗之監測是鑽削加工自動化中的重要課題。鑽削時由於深入工
件內部,傳統直接監測方式並不適用;而以往間接監測的方法,則受限於
所建立監測模式之預測準確性,以致於無法達致令人滿意的監測效果。吾
人採用間接監測之方式,以鑽削用動力計為切削力之感測器,並利用神經
網路配合田口氏直交表之實驗數據,進行監測模式架構的工作。為了在應
用時較能掌握神經網路之優缺點,本研究深入探討神經網路學習收斂之種
種特性,並對所架構出之各類網路模式進行實驗的驗證,進而架構出具備
準確預測能力之監測模式。結果發現利用田口氏直交表實驗之少數實驗數
據,並以逐一訓練之訓練方式訓練網路時,即能架構出收斂迅速且預測準
確之監測模式。其預測結果遠較以往線性回歸方式所架構出之監測模式更
為準確。且神經網路監測模式在針對高度之刀具磨耗量時,其監測效果尤
其的準確,有利於實際利用在切削加工的線上監測工作上。此一理想結果
,已成功的解決了傳統鑽削刀具磨耗監測方式所遭遇的困難,更進一步的
為神經網路應用於監測系統架構之可能性加以驗證,並為切削加工之適應
控制與自動化奠定了重要的基礎。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔