Aquest article ha estat escrit originalment en castellà. L'hem traduït automàticament per a la vostra comoditat. Tot i que hem fet esforços raonables per a aconseguir una traducció precisa, cap traducció automática és perfecta ni tampoc pretén substituir-ne una d'humana. El text original de l'article en castellà podeu veure'l a Estudio de la Variabilidad en Procesos de Medida de Estados Superficiales mediante Algoritmos de Redes Neuronales
Altres
Estudi de la Variabilitat en Processos de Mesura dels Estats Superficials mitjançant Algorismes de Xarxes Neuronals
PJ Núñez López, E. la Torre Morales, L. Sevilla Hurtado (1), MA Sebastián Pérez (2)
Universitat de Castella-la Manxa. ETS d'Enginyers Industrials. Avda Camilo José Cela s / n, 13071-Ciudad Real. Tel: 926295218. E-mail: pjnunez@ind-cr.uclm.es
Universitat de Castella-la Manxa. ETS d'Enginyers Industrials. Avda Camilo José Cela s / n, 13071-Ciudad Real. Tel: 926295218. E-mail: pjnunez@ind-cr.uclm.es
(1) Universitat de Màlaga. Departament d'Enginyeria Civil, de Materials i Fabricació. Plaça El Ejido s / n, 20013-Màlaga.
(2) Universitat Nacional d'Educació a Distància. Enginyeria de Construcció i Fabricació. C / Ciutat Universitària s / n. 28080-Madrid. Apartat de correus 60149.
01/12/20021. Introducció
L'objectiu d'aquest treball és l'estudi de la variabilitat generada en la mesura de la qualitat superficial obtinguda en processos de mecanitzat mitjançant l'ús de xarxes neuronals artificials. Aquesta variabilitat és canviant i dinàmica, motiu pel qual es planteja el seu estudi mitjançant models lineals que permetin realitzar una adequada anàlisi de la mateixa. Les xarxes neuronals artificials s'adapten perfectament a les característiques esmentades, sent a més sistemes de processament de la informació especialment capacitats per captar l'estructura no lineal subjacent en les dades que se li presenten i adaptant-se perfectament a entorns canviants.
2. Experimental
Per al desenvolupament de la fase experimental s'han avaluat els acabats superficials de peces mecanitzades en similars condicions de tall, mitjançant un rugosímetre amb palpador de contacte. Per al processament de dades s'ha emprat el perceptró multicapa format per tres capes: entrada, oculta i sortida. S'han entrenat diferents arquitectures de xarxes mitjançant la programació de subrutines en Matlab (versió 5.3).
3. Resultats i Discussió
A la figura 1 s'aprecia que a partir de la utilització de tres neurones a la capa oculta, independentment dels sectors mesurats, així com del nombre de mesures realitzades (1 o 5 mesures), l'error quadràtic mitjà es redueix considerablement. Per a un nombre de nodes inferior, es poden verificar pics d'error quan el nombre de sectors mesurats del perfil és inferior a quatre. Si s'enfoca l'estudi a arquitectures de tres neurones en endavant, es comprova que s'han de mesurar com a mínim quatre sectors dels vuit que formen el perfil, per assolir errors de l'ordre de 10-3. L'abrupte graó que apareix a la figura 1 és una clara demostració del fet comentat.
4 Conclusions
Els algorismes de xarxes neuronals han permès analitzar la variabilitat de les diferents estratègies de mesura dels estats superficials. Com a conseqüència, s'ha aconseguit establir un mètode de mesura òptim per a cadascuna de les superfícies que integren les peces mecanitzades.
Figura 1. Resultats de l'entrenament.
5. Referències
[1] PJ Núñez, "anàlisi experimental de la Qualitat Superficial en Processos d'Eliminació de Material", Tesi Doctoral, UNED, Madrid, 1998.
[2] DT Pham, PTN Pham, "Artificial Intelligence in Engineering", Int J. of Machine Tools & Manufacture, 39 (1999) p. 937.
[3] Mathworks, "Matlab User's Guide", The Mathworks, Inc, 1996
