ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ОЦІНКИ ПРАЦЕЗДАТНОСТІ РІЗАЛЬНИХ ІНСТРУМЕНТІВ ІЗ ПКНБ
The methodology and results of the study of the components of cutting forces, acoustic emission and vibrations during the finish turning of hardened steel ShKh15 (HRC 50…60) are presented. To find the relationship between the components of cutting forces and vibrations, an approach based on the crea...
Gespeichert in:
| Datum: | 2025 |
|---|---|
| Hauptverfasser: | , , , , , |
| Format: | Artikel |
| Sprache: | Ukrainisch |
| Veröffentlicht: |
Институт сверхтвердых материалов им. В. Н. Бакуля Национальной академии наук Украины
2025
|
| Schlagworte: | |
| Online Zugang: | http://altis-ism.org.ua/index.php/ALTIS/article/view/470 |
| Tags: |
Tag hinzufügen
Keine Tags, Fügen Sie den ersten Tag hinzu!
|
| Назва журналу: | Tooling materials science |
Institution
Tooling materials science| _version_ | 1860742123839553536 |
|---|---|
| author | Девін, Леонід Беженар, Микола Ричев, Сергій Тіщенко, Нікіта Грязев, Олександр Нечипоренко, Володимир |
| author_facet | Девін, Леонід Беженар, Микола Ричев, Сергій Тіщенко, Нікіта Грязев, Олександр Нечипоренко, Володимир |
| author_sort | Девін, Леонід |
| baseUrl_str | http://altis-ism.org.ua/index.php/ALTIS/oai |
| collection | OJS |
| datestamp_date | 2026-03-26T08:19:14Z |
| description | The methodology and results of the study of the components of cutting forces, acoustic emission and vibrations during the finish turning of hardened steel ShKh15 (HRC 50…60) are presented. To find the relationship between the components of cutting forces and vibrations, an approach based on the creation of models that take into account various uncertainties was used. For this purpose, the developed artificial neural network (ANN) was used. Turning cutters with cutting inserts made of 5 types of polycrystalline materials based on cubic boron nitride were studied. The developed neural network initially had a complex architecture that included six hidden layers. The number of neurons in these layers varied from 32 to 256. The average relative error when using ANN was no more than 12%, which allows using ANN in real time in studies of the performance of cutting tools with PCNB. The results of the study open new prospects for the further development of adaptive machine tool control systems based on vibration control in the machining process. |
| first_indexed | 2026-03-26T16:19:32Z |
| format | Article |
| id | oai:ojs2.altis-ism.org.ua:article-470 |
| institution | Tooling materials science |
| keywords_txt_mv | keywords |
| language | Ukrainian |
| last_indexed | 2026-03-26T16:19:32Z |
| publishDate | 2025 |
| publisher | Институт сверхтвердых материалов им. В. Н. Бакуля Национальной академии наук Украины |
| record_format | ojs |
| spelling | oai:ojs2.altis-ism.org.ua:article-4702026-03-26T08:19:14Z APPLICATION OF ARTIFICIAL NEURAL NETWORKS FOR EVALUATING THE PERFORMANCE OF CUTTING TOOLS MADE OF PCBN ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ОЦІНКИ ПРАЦЕЗДАТНОСТІ РІЗАЛЬНИХ ІНСТРУМЕНТІВ ІЗ ПКНБ Девін, Леонід Беженар, Микола Ричев, Сергій Тіщенко, Нікіта Грязев, Олександр Нечипоренко, Володимир tool condition diagnostics, artificial neural networks, polycrystals of superhard materials, cubic boron nitride, vibrations, acoustic emission, cutting force components, probability of fracture, adaptive cutting process control systems діагностика стану інструменту, штучні нейронні мережі, полікристали надтвердих матеріалів, кубічний нітрид бору, вібрації, складові сили різання, ймовірність руйнування The methodology and results of the study of the components of cutting forces, acoustic emission and vibrations during the finish turning of hardened steel ShKh15 (HRC 50…60) are presented. To find the relationship between the components of cutting forces and vibrations, an approach based on the creation of models that take into account various uncertainties was used. For this purpose, the developed artificial neural network (ANN) was used. Turning cutters with cutting inserts made of 5 types of polycrystalline materials based on cubic boron nitride were studied. The developed neural network initially had a complex architecture that included six hidden layers. The number of neurons in these layers varied from 32 to 256. The average relative error when using ANN was no more than 12%, which allows using ANN in real time in studies of the performance of cutting tools with PCNB. The results of the study open new prospects for the further development of adaptive machine tool control systems based on vibration control in the machining process. Представлено методику та результати дослідження складових сил різання та вібрацій під час чистового точіння загартованої сталі ШХ15 (HRC 50…60). Для встановлення зв’язку складових сил різання з вібраціями використовували підхід, який базується на побудові моделей, що враховують різноманітні невизначеності. Для цього застосували розроблену на мові Python та Google Colab штучну нейронну мережу (ШНМ). Досліджували різці з різальними вставками з 5-ти видів полікристалічних матеріалів на основі кубічного нітриду бору. Розроблена нейронна мережа мала складну архітектуру, яка включала шість прихованих шарів. Кількість нейронів у цих шарах варіювалася від 32 до 256. Середня відносна похибка при використанні ШНМ була не більше 12%, що дозволяє використовувати ШНМ в дослідженнях працездатності різальних інструментів з ПКНБ. Результати дослідження відкривають нові перспективи подальшого розвитку адаптивних систем керування верстатами на основі контролю вібрацій в процесі механічної обробки.   Институт сверхтвердых материалов им. В. Н. Бакуля Национальной академии наук Украины 2025-11-21 Article Article application/pdf http://altis-ism.org.ua/index.php/ALTIS/article/view/470 Інструментальне матеріалознавство; Том 1 № 28 (2025): Інструментальне матеріалознавство; 403-412 Инструментальное материаловедение; Том 1 № 28 (2025): Інструментальне матеріалознавство; 403-412 Tooling materials science; Vol 1 No 28 (2025): Tooling materials Science; 403-412 2708-7328 2708-731X uk http://altis-ism.org.ua/index.php/ALTIS/article/view/470/405 Авторське право (c) 2025 Інструментальне матеріалознавство |
| spellingShingle | діагностика стану інструменту штучні нейронні мережі полікристали надтвердих матеріалів кубічний нітрид бору вібрації складові сили різання ймовірність руйнування Девін, Леонід Беженар, Микола Ричев, Сергій Тіщенко, Нікіта Грязев, Олександр Нечипоренко, Володимир ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ОЦІНКИ ПРАЦЕЗДАТНОСТІ РІЗАЛЬНИХ ІНСТРУМЕНТІВ ІЗ ПКНБ |
| title | ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ОЦІНКИ ПРАЦЕЗДАТНОСТІ РІЗАЛЬНИХ ІНСТРУМЕНТІВ ІЗ ПКНБ |
| title_alt | APPLICATION OF ARTIFICIAL NEURAL NETWORKS FOR EVALUATING THE PERFORMANCE OF CUTTING TOOLS MADE OF PCBN |
| title_full | ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ОЦІНКИ ПРАЦЕЗДАТНОСТІ РІЗАЛЬНИХ ІНСТРУМЕНТІВ ІЗ ПКНБ |
| title_fullStr | ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ОЦІНКИ ПРАЦЕЗДАТНОСТІ РІЗАЛЬНИХ ІНСТРУМЕНТІВ ІЗ ПКНБ |
| title_full_unstemmed | ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ОЦІНКИ ПРАЦЕЗДАТНОСТІ РІЗАЛЬНИХ ІНСТРУМЕНТІВ ІЗ ПКНБ |
| title_short | ВИКОРИСТАННЯ ШТУЧНИХ НЕЙРОННИХ МЕРЕЖ ДЛЯ ОЦІНКИ ПРАЦЕЗДАТНОСТІ РІЗАЛЬНИХ ІНСТРУМЕНТІВ ІЗ ПКНБ |
| title_sort | використання штучних нейронних мереж для оцінки працездатності різальних інструментів із пкнб |
| topic | діагностика стану інструменту штучні нейронні мережі полікристали надтвердих матеріалів кубічний нітрид бору вібрації складові сили різання ймовірність руйнування |
| topic_facet | tool condition diagnostics artificial neural networks polycrystals of superhard materials cubic boron nitride vibrations acoustic emission cutting force components probability of fracture adaptive cutting process control systems діагностика стану інструменту штучні нейронні мережі полікристали надтвердих матеріалів кубічний нітрид бору вібрації складові сили різання ймовірність руйнування |
| url | http://altis-ism.org.ua/index.php/ALTIS/article/view/470 |
| work_keys_str_mv | AT devínleoníd applicationofartificialneuralnetworksforevaluatingtheperformanceofcuttingtoolsmadeofpcbn AT beženarmikola applicationofartificialneuralnetworksforevaluatingtheperformanceofcuttingtoolsmadeofpcbn AT ričevsergíj applicationofartificialneuralnetworksforevaluatingtheperformanceofcuttingtoolsmadeofpcbn AT tíŝenkoníkíta applicationofartificialneuralnetworksforevaluatingtheperformanceofcuttingtoolsmadeofpcbn AT grâzevoleksandr applicationofartificialneuralnetworksforevaluatingtheperformanceofcuttingtoolsmadeofpcbn AT nečiporenkovolodimir applicationofartificialneuralnetworksforevaluatingtheperformanceofcuttingtoolsmadeofpcbn AT devínleoníd vikoristannâštučnihnejronnihmereždlâocínkipracezdatnostírízalʹnihínstrumentívízpknb AT beženarmikola vikoristannâštučnihnejronnihmereždlâocínkipracezdatnostírízalʹnihínstrumentívízpknb AT ričevsergíj vikoristannâštučnihnejronnihmereždlâocínkipracezdatnostírízalʹnihínstrumentívízpknb AT tíŝenkoníkíta vikoristannâštučnihnejronnihmereždlâocínkipracezdatnostírízalʹnihínstrumentívízpknb AT grâzevoleksandr vikoristannâštučnihnejronnihmereždlâocínkipracezdatnostírízalʹnihínstrumentívízpknb AT nečiporenkovolodimir vikoristannâštučnihnejronnihmereždlâocínkipracezdatnostírízalʹnihínstrumentívízpknb |