Détermination de la vitesse de coupe en usinage à l’aide des réseaux de neurones

• Published in: Matériaux et techniques Vol. 105; no. 3; p. 306
• Main Authors: Amor, Noureddine, Noureddine, Ali, Kherfane, Riad Lakhdar
• Format: Journal Article
• Language: French
• Published: EDP Sciences 2017
• Subjects: ANN; back propagation; cutting speed; machining; modeling; modélisation; RNA; rétro-propagation; usinage; vitesse de coupe
• ISSN: 0032-6895; 1778-3771
• DOI: 10.1051/mattech/2018008

En usinage par enlèvement de copeaux, il est nécessaire de connaître des éléments tels que la géométrie à obtenir, la matière à usiner, le type d’opération, la machine-outil, l’outil de coupe, la profondeur de passe, l’avance, la vitesse de coupe. Ces trois derniers éléments quantifiables sont déterminés à l’aide de tables, abaques, logiciel informatique dédié, ou système CFAO, offrant une large gamme de choix mais manquant de transparence et de flexibilité. La contribution de cet article est d’appliquer les techniques d’intelligence artificielle basées sur les réseaux de neurones artificiels (RNA) au développement d’un système de décision pour le choix des paramètres de coupe. Pour modéliser la vitesse de coupe, nous utilisons un RNA avec un algorithme de rétro-propagation. Des valeurs expérimentales provenant d’un abaque source serviront à construire et établir le RNA pour estimer la valeur de la vitesse de coupe, utilisant comme données un certain nombre de paramètres d’influence. La validité des résultats obtenus montre que cette méthode peut être appliquée avec succès et que son utilisation dans le domaine de l’usinage peut contribuer à optimiser les conditions de coupe par un choix plus précis et plus rapide de la vitesse de coupe. In machining, it is necessary to know elements such as geometry to be obtained, material to be machined, type of operation, machine tool, cutting tool, cutting depth, feed, cutting speed. These last three quantifiable elements are determined using tables, charts, dedicated computer software, or CAD / CAM system, offering a wide range of choices but lacking transparency and flexibility. The contribution of this article is to apply artificial intelligence techniques based on Artificial Neural Networks (ANN) to the development of a decision system for the choice of cutting parameters. To model the cutting speed, we use a ANN with back propagation algorithm. Experimental values from a source chart will be used to construct and establish an ANN to estimate the value of the cutting speed, using as data a number of influence parameters. The validity of the results obtained shows that this method can be successfully applied and that its use in the manufacturing domain can contribute to optimizing the cutting conditions by a more precise and faster choice of the cutting speed.