비접촉 연마가공품의 비선형 표면거칠기 예측모델 개발 및 성능평가 (Development and Evaluation of a Non-linearity Predictive Surface Roughness Model for Non-contact Finishing Products)

서지정보

· 발행기관 : 대한기계학회
· 수록지 정보 : 대한기계학회논문집 A / 46권 / 9호 / 835 ~ 841페이지
· 저자명 : 이정희, 이진경, 곽재섭

초록

다양한 산업분야의 발달로 각 분야의 목적에 부합하는 고품질, 고정도 제품의 수요가 증가함에 따라 표면품질의 중요성이 증대되고 있다. 표면거칠기는 가공물의 표면품질을 평가하는 중요한 요소지만 공정변수와의 비선형적 관계로 인해 정확한 예측이 어렵다. 따라서 본 연구에서는 표면가공성 향상을 위하여 회전전자기연마 공정을 수행하고, 정확한 표면거칠기 예측모델을 제시하기 위하여 비선형적 추정기법인 딥러닝 알고리즘을 활용하고자 한다. 각 구조에 따른 예측성능을 비교한 결과, [7, 21, 14, 1] 구조의 학습 및 검증 데이터셋의 정확도가 각각 99%, 92%로 가장 우수함을 알 수 있었다. 또한, 도출된 최적 예측모델의 적합성을 검토하기 위하여 검증실험을 수행한 결과, 예측모델과 유사함을 나타냄으로써 해당 모델이 회전전자기연마 공정에 대하여 설명력이 높다고 판단할 수 있었다.

영어초록

Modern manufacturing has become more complex and the demand for high surface quality of workpieces has increased. Surface roughness is a key parameter used to evaluate surface quality, but it is difficult to accurately predict because of the nonlinear relationship between process parameters and output. In this study, a predictive model of surface roughness for rotational electromagnetic abrasive finishing (REMAF) that holds great promise for high surface quality in ultra-precision engineering was constructed by using a deep neural network. As a result, the DNN8 architecture of [7, 21, 14, 1], having 99% and 92% prediction accuracy in training and validation sets, respectively, exhibited effective features for surface roughness in the REMAF process. In addition, the predictive performance was superior to that of the predictive model extracted by multiple linear regression. In additional experiments to improve reliability of the predictive model, accuracy performance of the DNN8 was similar to that of the experimental verification.

참고자료

· 없음