Predicción de la Rugosidad Superficial del Acero cold rolled 1018 a través de la Metodología de Superficie de Respuesta y Redes Neuronales

Lázaro Rico Pérez, Juan J. Díaz N, Francisco J. Estrada O, Javier Molina Salazar

Resumen


RESUMEN

Se propone la predicción de la rugosidad superficial sobre un acero cold rolled 1018 empleando una herramienta de corte de alta velocidad. Como objetivo secundario, predecir la temperatura de la herramienta de corte y del material de trabajo. Como variables independientes se incluyen tres parámetros de maquinado: la velocidad de corte, tasa de alimentación y profundidad de corte. Los modelos predictivos son obtenidos con el apoyo de la metodología de superficie de respuesta (RSM) y la teoría de redes neuronales (NN).

Palabras claves: Parámetros de corte, Rugosidad superficial, Metodología de superficie de respuesta, Redes neuronales.


Palabras clave


Parámetros de corte; Rugosidad superficial; Metodología de superficie de respuesta; Redes neuronales

Texto completo:

PDF

Referencias


Benardos PG y Vosniakos GC. 2002. Prediction of surface roughness in CNC face milling using neural networks and Taguchi´s desing of experiments. Robotics and computer integrated manufacturing. 18: 343-354.

Choudhury GB. 2003. Role of temperature and surface finish in predicting tool wear using neural network and design of experiments International journal of machine tools & Manufacture. 43: 675-680.

Hagan MT, Demuth HB, Beale M. 1996. Neural network Design.

Hair JF, et al. 1999. Análisis multivariante. España: Prentice Hall Iberia.

Montgomery DC, 2004. Diseño y análisis de experimentos. México: Limusa Wiley. 427-510.

Özel T, Yigit K. 2004. Predictive modeling of surface roughness and tool wear in hard turning using regression and neural networks.International Journal of Machine Tools & Manufacture Vol. XX: 1–13.

Suresh, PVS, Rao PV, Deshmukh SG. 2002. A Genetic algorithmic approach for optimization of surface roughness prediction models. International Journal of machine tools & Manufacture. 675-680.

Spedding TA, Wang ZQ. 1997 Study on modeling of wire EDM process. Journal of Materials Processing Technology. Vol 69: 18-28.

Sahin Y, Riza MA. 2005. Surface roughness model for machining mild steel with coated carbide tool. Materials and Design. 26: 321-326.

Zuperl U. 2003. Optimization of cutting conditions during cutting by using neural networks. Robotics and Computer Integrated Manufacturing. 19: 189-19


Enlaces refback

  • No hay ningún enlace refback.


Copyright (c) 2017 CULCyT

Licencia de Creative Commons
Este obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial 4.0 Internacional.

Responsable de la última actualización de este número: Raúl Alfredo Meza González. Fecha de la última modificación, 5 de octubre de 2019.

Las opiniones expresadas por los autores no necesariamente reflejan la postura del editor de la publicación. Los contenidos e imágenes de la publicación estan sujetos a una licencia CC 4.0 internacional BY NC. 

 Licencia de Creative Commons