Abstract

Chemical and mechanical properties of workpieces and tools are important factors for selecting machining parameters in machining process planning. As there is no universal rule representing the machinability defined by metal removal rate, the selection of machining parameters still requires experience-oriented methods. In this paper, a new approach is presented to develop mathematical models for generating optimum machinability in turning processes based on chemical and mechanical properties of workpieces. Neural-Network methodology is introduced to identify mathematical models for machinability. It is confirmed by simulations that the proposed methodology can be used for developing numerical controllers with adaptive control performance.

본 연구에서는 일반화된 델타규칙을 이용한 신경회로망 기법을 사용하여 절삭 계수의 수학적인 모형화를 수행하였고, 탄소강 공작물 및 고속도강 공구에 대하여 절 삭속도의 추정을 통하여 절삭성을 예측할 수 있는 방법론을 산삭작업에서 개발하였다. 그결과 방대한 양의 절삭계수를 저장할 필요가 없을 뿐만 아니라, 작업자의 경험에 따 른 절삭계수의 선정으로 인하여 발생할 수 있는 단점을 극복하고 유연한 절삭계수의 선정을 할 수 있게 하므로써 적응제어 기능을 갖는 수치제어장치의 개발에 응용할 수 있음을 밝혔다.

Keywords

• Adaptive Control;
• Learning;
• Machinability;
• Neural-Network;
• Process Planning

• 적응제어;
• 학습;
• 절삭성;
• 신경회로망;
• 공정계획;