Aplicación de redes neuronales artificiales para la detección de anomalías en el proceso de electroerosión por hilo
Descripción
En este capítulo se muestra un caso de aplicación de redes neuronales artificiales para detectar con antelación comportamientos de corte degradado en el proceso de corte por electroerosión por hilo. En concreto, se trata de predecir la rotura de la herramienta (hilo) cuando se mecanizan piezas de distintos espesores. Para ello, se compara el rendimiento de arquitecturas estáticas y recurrentes de redes neuronales artificiales, siendo estas últimas las que mejores resultados ofrecen.
Nivel del tema
Alto
Índice
1. Introducción.
2. Detección de regímenes de corte degradados en espesores intermedios.
2.1 Estrategia.
2.2 Estudio comparativo y resultados.
2.2.1 Estudio comparativo.
2.2.1.1 Arquitecturas de red neuronal.
2.2.1.2 Escalado de las entradas y salidas de la red.
2.2.1.3 Agrupación de las entradas y salidas.
2.2.1.4 Codificación de los valores deseados (targets).
2.2.1.5 Parámetros de entrenamiento.
2.2.2 Resultados.
2.2.2.1 Redes estáticas: Perceptron Multicapa.
2.2.1.2 Redes recurrentes: Elman.
2.3 Detección en espesores intermedios.
2.3.1 Resultados.
2.3.1.1 Elman Energía.
2.3.1.2 Elman Intensidad.
2.3.1.3 Elman Tiempo de ionización elevado.
2.3.1.4 Elman Tiempo de ionización bajo.
2.3.2 Estructura neuronal seleccionada.
2.3.2.1 Estructura seleccionada.
2.3.2.2 Aplicación del Sistema de Diagnóstico Inteligente.
3. Conclusiones.
4. Referencias.