.png){kind=icon}
返回
A generalized generation and evaluation method for cutting process parameter knowledge based on CTGAN
.png){kind=icon}
PRE
AI
DOI：10.1016/j.rcim.2025.102963.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
加工过程知识库是切削过程参数决策过程中的关键工具，因为其存储的加工知识的多样性和准确性直接影响决策效果。为应对实际生产中的复杂需求，有必要采用有效的扩展方法来丰富加工知识库内容并提高其泛化能力。然而，当前扩展方法存在加工知识覆盖不足及缺乏有效评价机制等局限性。为解决这些问题，本文提出了一种基于CTGAN的切削过程参数知识的泛化生成与评价方法。首先，开发了一个切削过程数据采集平台作为基础数据来源。然后，采用条件表格生成对抗网络（CTGAN）构建泛化生成模型，以学习真实过程参数数据的联合分布规律，并实现切削过程参数案例的智能生成。最后，通过统计分析指标和机器学习性能分析评估生成切削过程参数案例的准确性和适用性。所提出的框架以套筒零件的外圆车削过程作为测试案例进行验证。结果表明，生成的过程参数数据样本不仅覆盖更广泛的加工场景，而且保持高质量，能够有效支持加工过程知识库的自主扩展，并增强其泛化能力。
Keyword:
Cutting processing
Process parameters
Machining process knowledge base
Generalization
Conditional Tabular Generative Adversarial
Network (CTGAN)
期刊
R
IF:
11.4
论文数:
3.3K
被引数:
1.3W
机构
暂无机构信息
引用论文
Advancements in material removal mechanism and surface integrity of high speed metal cutting: A review高速金属切削的材料去除机理和表面完整性的研究进展: 综述
PREAI
分享收藏A multi-criteria decision-making system for selecting cutting parameters in milling process铣削过程中切削参数选择的多准则决策系统
PREAI
分享收藏Fused lasso for feature selection using structural information基于结构信息的融合lasso特征选择.png)
PATTERN RECOGNITION
OAAI
PATTERN RECOGNITIONIF7.6
OAAI分享收藏
查看更多内容