Resumen

Este artículo analiza la correlación entre las señales de emisión acústica y los principales parámetros del proceso de soldadura por fricción-agitación basado en redes neuronales artificiales (ANNs). Las señales de emisión acústica en direcciones y han sido adquiridas por el instrumento AE NI USB-9234. Se han utilizado parámetros estadísticos y temporales de las señales de emisión acústica descompuestas mediante la Transformada Wavelet como entrada de la ANN. Los resultados del modelo de la ANN incluyen los parámetros de velocidad de rotación de la herramienta y velocidad de avance, el perfil de la herramienta, así como la resistencia a la tracción. Se ha seleccionado y entrenado una red neuronal feed-forward de múltiples capas, utilizando el algoritmo de Levenberg-Marquardt para diferentes arquitecturas de red. Finalmente, se presenta un análisis de la comparación entre los datos medidos y los calculados. El modelo obtenido puede ser utilizado para modelar y desarrollar un control automático de los parámetros del proceso y las propiedades mecán

• Materias:Ecuaciones diferenciales Ecuaciones integrales Variables independientes Sistemas dinámicos Combinaciones convexas
• Subjects:Differential equations Integral equations Independent variables Dynamic systems Convex combinations
• Palabras claves:Señales de emisión acústica; Proceso de soldadura por fricción con agitación; Redes neuronales artificiales; Velocidad de rotación de la herramienta; Velocidad de avance; Resistencia a la tracción
• Keywords:Acoustic emission signals; Friction stir welding process; Artificial neural networks; Tool rotation speed; Travel speed; Tensile strength