Modelado de la energía específica de corte en el rectificado mediante redes neuronales recurrentes

  1. Ander Arriandiaga 1
  2. Eva Portillo 1
  3. Jose Antonio Sánchez 2
  4. Itziar Cabanes 1
  5. Asier Zubizarreta 1
  1. 1 Departamento de Ingeniería de Sistemas y Automática, Escuela Técnica Superior de Ingeniería de Bilbao
  2. 2 Departamento de Ingeniería Mecánica, Escuela Técnica Superior de Ingeniería de Bilbao
Libro:
XXXVI Jornadas de Automática: Libro de Actas, 2-4 de Septiembre de 2015, Bilbao

Editorial: Escuela Técnica Superior de Ingeniería ; Universidad del País Vasco = Euskal Herriko Unibertsitatea

ISBN: 978-84-15914-12-9

Año de publicación: 2015

Páginas: 744-750

Congreso: Jornadas de Automática (36. 2015. Bilbao)

Tipo: Aportación congreso

DIALNET GOOGLE SCHOLAR lock_openAcceso abierto editor

Resumen

El rectificado es un proceso de mecanizado crítico, ya que produce piezas de alta precisión y alta calidad superficial. Debido a la producción semi-artesanal de las muelas de rectificado, no es posible saber por adelantado el comportamiento de la muela. Una de los parámetros más útiles para caracterizar el proceso de rectificado es la energía específica de corte. En este trabajo se presenta un nuevo uso de las redes neuronales recurrentes (RNN) para el modelado de la evolución de la energía específica de corte sin valores reales iniciales. Los resultados muestran que es posible predecir la evolución completa de la energía específica de corte hasta 2000mm3/mm de material de pieza eliminado. La red seleccionada generaliza con buenos resultados para nuevas condiciones de rectificado, con errores inferiores a 23,65%, y nuevas muelas, con errores inferiores a 20,01%, que son satisfactorios desde la perspectiva del proceso de rectificado.

Fuente de los datos: Dialnet