Filtreler

2012 - 20162
Filtreleri Sıfırla

Ayarlar

Erişim Hakkı: Attribution-NonCommercial-ShareAlike 3.0 United States × Konu: Chip Breaker Forms ×

Arama Sonuçları

Listeleniyor 1 - 2 / 2
  • Küçük Resim
    Öğe
    AISI 316L çeliğinin işlenmesinde kesici takım kesici kenar formu ve talaş kırıcı formlarının kesme kuvvetleri ve yüzey pürüzlülüğü üzerine etkisi
    (Batman Üniversitesi, 2012-06-01) Gürbüz, Hüseyin; Şeker, Ulvi; Kafkas, Fırat
    Bu çalışmada, kesici takım kesici kenar formu ve talaş kırıcı formlarının, talaş kaldırmayla oluşan kesme kuvvetlerine ve yüzey pürüzlülüğüne etkisi deneysel olarak araştırılmıştır. Deneylerde AISI 316L paslanmaz çelik malzemesi için ISO 3685’e uygun 75° yanaşma açısına sahip SNMG 120408 formunda, CVD kaplı (M25) kalitesinde sementit karbür kesici takımlar ile buna uygun PSBNR 2525M12 formunda takım tutucu kullanılmıştır. Üç farklı talaş kırıcı ve kesici kenar formu (MR-MM-QM) için de kesme derinliği ve ilerleme değeri arttığında kesme kuvvetlerinin arttığı, buna karşın kesme hızındaki artışla birlikte kesme kuvvetlerinin azaldığı görülmüştür. Genellikle en yüksek kesme kuvvetleri ve yüzey pürüzlülüğü değerleri MR talaş kırıcı formunda, en düşük kesme kuvvetleri ve yüzey pürüzlülüğü değerleri QM talaş kırıcı formunda elde edilmiştir. MR-MM-QM talaş kırıcı ve kesici kenar formu için, kesme hızındaki artışa bağlı olarak yüzey pürüzlülüğü değerlerinin düştüğü, fakat kesme derinliği ve ilerlemedeki artışla birlikte yüzey pürüzlülüğü değerlerinin artığı görülmüştür
  • Küçük Resim
    Öğe
    Modelling of effects of various chip breaker forms on surface roughness in turning operations by utilizing artificial neural networks
    (Gazi Üniversitesi, 2016-03-01) Gürbüz, Hüseyin; Baday, Şehmus; Sözen, Adnan
    In this study, the effects of different chip breaker forms and cutting parameters on the surface roughness on machined surfaces were investigated experimentally in turning of AISI 1050 steel; and values of surface roughness obtained from experiments were determined with empirical equations using artificial neural networks. The utilizing of ANN was offered to determine the surface roughness depending on chip breaker forms and cutting parameters of AISI 1050 steel. The back propagation learning algorithm and fermi transfer function were used in artificial neural network. Experimental measurements data were employed as training and test data in order to train the neural network created. The best fitting training data set was attained with ten neurons in two hidden layers 6 of which were at first hidden layer and 4 of which were at second hidden layer, making it possible to predict surface roughness with precision at least as good as that of the experimental error over the entire experimental range. After network training, R2 value was found as 0.978, and average error as 0.018%. When the results of mathematical modelling are examined, the computed surface roughness is observed to be apparently within acceptable values