.png){kind=icon}
返回
Intelligent Grinding
.png){kind=icon}
PRE
AI
DOI：10.20965/ijat.2026.p0057.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
磨削是一种至今在很大程度上仍依赖于操作员技能和经验的过程。对于磨削，与铣削不同，不存在通用的计算机辅助制造工具，磨削机制造商有其专有的工艺规划工具用于路径规划。磨削过程的成功还取决于砂轮的适当修整，而不仅仅是工艺参数的适当选择。熟练的操作员一方面能够在比其技能较低的同事更短的时间内成功设置工艺。随着计算性能的显著提高，人工智能越来越能够处理制造过程，特别是随着这些过程变得更加复杂和经验驱动。因此，将机器的能力扩展到今天操作员的任务，即工艺规划，实现了操作员集成的愿景，这是零缺陷制造和首次零件合格（first part right）磨削过程的突破。本文提出了一种智能磨削机，该机器使用本体论，应用基于规则的规划工具，利用物理模型和自主建模，并具备学习能力。此外，磨削和修整过程完全受到监控，从而提供自学习能力。学习来自不同来源，包括监控、其他机器（需要基于物理模型的过滤器）以及具有处理不完整、无结构和不可靠数据能力的操作员。因此，这种机器与操作员的沟通方式必须与今天完全不同。提供了研究成果和文献，以讨论机器状态监控、过程监控以及优化磨削过程的参数选择等不同方面。
Keyword:
bio-intelligent grinding machine
ontology
model supported artificial intelligence
expert system
Industry 4.0
期刊
I
IF:
0.8
论文数:
33
被引数:
0
机构
引用论文
A review on machinery diagnostics and prognostics implementing condition-based maintenance实施状态维修的机械诊断和预测综述
PREAI
分享收藏An Intelligent System for Grinding Wheel Condition Monitoring Based on Machining Sound and Deep Learning基于加工声音和深度学习的智能砂轮状态监测系统.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏Self-optimizing grinding machines using Gaussian process models and constrained Bayesian optimization使用高斯过程模型和约束贝叶斯优化的自优化磨床
PREAI
分享收藏Ahmer, M.; Sandin, F.; Marklund, P.; Gustafsson, M.; Berglund, K. Using multivariate quality statistic for maintenance decision support in a bearing ring grinder. Machines 2022, 10, 794. [Google Scholar] [CrossRef]Ahmer, M.; Sandin, F.; Marklund, P.; Gustafsson, M.; Berglund, K. 使用多变量质量统计量对轴承环磨床进行维护决策支持。Machines 2022, 10, 794. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容