Resumen

Para aumentar la productividad, los tiempos de mecanizado y la competitividad en el mercado de los sistemas de producción de mecanizado, es importante desarrollar continuamente las soluciones tecnológicas existentes. Este artículo describe el uso de la red neuronal para la predicción de la rugosidad superficial tras el bruñido con rodillo. Puesto que el problema observado es multidimensional con varios parámetros de entrada y un parámetro de salida y puesto que la no linealidad y la complejidad de la correlación de parámetros, se utilizó el algoritmo de red neuronal de retropropagación. Los valores empíricos y experimentales de los parámetros de entrada y salida se utilizaron como valores iniciales para el aprendizaje de la red neuronal. El modelo de red neuronal desarrollado con sus resultados se puede utilizar para facilitar la implementación de otros planes de proceso de bruñido de rodillos.

INTRODUCCIÓN

La inteligencia artifi cial ofrece una nueva dimensión en el concepto de automatización de sistemas. La ingeniería moderna actual implica una mayor autonomía de los sistemas de producción, automóviles, diferentes máquinas o robots. Se hace especial hincapié en la posibilidad de tomar decisiones de forma independiente, sobre todo en los casos de entornos desorganizados en tiempo real y en condiciones de falta de información o de equipos informáticos limitados. Las redes neuronales se utilizan en actividades de ingeniería como herramientas de predicción de diferentes sucesos y parámetros, [1-6]. Este trabajo describe el uso del algoritmo de red neuronal de retropropagación para la predicción de los valores de rugosidad superficial, basado en valores experimentales de los parámetros de bruñido de rodillos. El bruñido de rodillos del componente del motor del buque (pasador de cruceta), véase la figura 1, se llevó a cabo en el departamento de mecanizado de la fábrica de motores navales 3. Maj Engines and Cranes. Motores y grúas Maj.

Se midieron cuatro parámetros de entrada y un parámetro de salida para diferentes regímenes de bruñido con rodillo.

Después de 32 mediciones diferentes, los parámetros de entrada y salida se procesaron con el software que desarrolló el modelo de red neuronal. La red neuronal desarrollada permitió predecir los valores de rugosidad superficial de los componentes mencionados para diferentes parámetros de entrada de bruñido de rodillos, controlados por un usuario.

• Materias:Rugosidad Red neuronal artificial Análisis de superficie Parámetros de mecanizado
• Subjects:Roughness Artificial Neural Network Surface analysis Machining parameters
• Palabras claves:Red neuronal; Bruñido de rodillos; Rugosidad superficial
• Keywords:Neural network; Roller burnishing; Surface roughness