Phương hướng nghiên cứu tiếp theo

Phương hướng nghiên cứu tiếp theo cần tập chung vào các nội dung sau:

- Phát triển và hoàn thiện nghiên cứu ứng dụng mạng nơ ron nhân tạo trong ngành chế tạo máy ở Việt Nam.

- Nghiên cứu lựa chọn cấu trúc mạng nơ ron tối ưu, ứng dụng trong bài toán tối ưu hóa quá trình gia công đối với các phương pháp gia công khác nhau.

- Sử dụng mạng nơ ron nhân tạo để dự báo mô hình chất lượng bề mặt chi tiết gia công và lượng mòn của dụng cụ.

Tài liệu tham khảo Tài liệu tham khảo

[1]. Nguyễn Trọng Bình; Tối ưu hoá quá trình gia công cắt gọt; NXB Giáo dục 2003. [2]. Nguyễn Văn Dự, Nguyễn Đăng Bình; Quy hoạch thực nghiệm trong kỹ thuật;

Nhà xuất bản Khoa học kỹ thuật 2011.

[3]. Nguyễn Hữu Công; Ứng dụng mạng neural trong nhận dạng hệ thống phi tuyến;

Tạp chí khoa học & công nghệ số 3(43) năm 2007.

[4] Nguyễn Thị Quốc Dung (2012), Nghiên cứu quá trình tiện thép hợp kim qua tôi

bằng dao PCBN, Luận án tiến sĩ kỹ thuật,Trường Đại học Kỹ thuật công nghiệp Thái Nguyên.

[5]. Nguyễn Như Hiên, Lại Khắc Lãi; Hệ mờ và nơ ron trong kỹ thuật điều khiển;

NXB Khoa học tự nhiên và Công nghệ Hà Nội 2007.

[6]. Phạm Thị Hoàng Nhung; Sử dụng mạng Nơ ron nhân tạo trong dự báo lưu lượng

nước đến hồ Hòa Bình trước mười ngày; Đại học Thủy lợi, 2007.

[7]. Tô Thị Mỹ Hồng; Tối ưu hóa chế độ cắt gọt theo phương pháp tuyến tính,

Trường Đại học Sư phạm kỹ thuật Thành phố Hồ Chí Minh, 2006.

[8]. Lại Khắc Lãi; Điều khiển đón trước trong mạng nơ ron và áp dụng cho đối tượng

phí tuyến. Đại học kỹ thuật Công nghiệp – Đại học Thái nguyên 2006.

[9]. Lê Anh Tú, Nghiên cứu mô hình mạng nơron Kohonen và ứng dụng trong bài

toán phân cụm dữ liệu.

[10]. Lê Anh Tú; Nghiên cứu sử dụng mạng nơ ron nhân tạo để nhận dạng ký tự; Đại

học Công nghệ thông tin và Truyền thông 2012.

[11]. KS. Dương Xuân Trường, TS.Nguyễn Văn Hùng; Tối ưu hó chế độ cắt khi

phay vật liệu bằng mảnh dao phủ PVD-TiALN; Đại học kỹ thuật công nghiệp Thái Nguyên.

[12] Nguyễn Minh Tuyển(2005), Quy hoạch thực nghiệm, Nxb Khoa học và Kỹ

thuật, Hà Nội.

[13]. Nguyễn Doãn Ý; Quy hoạch và xử lý số liệu thực nghiệm; Nhà xuất bản Xây

[14] Angseryd J., Elfwing M., Olsson E., Andren H. O. (2009), “Detailed microstructure of a CBN cutting tool material”, International journal of Refractory Metals and Hard Materials, 27(2), pp, 249-255.

[15] Bossom P. K., Cook M. W.(2000), “Trends and recent developments in the

material manufacture and cutting tool application of polycrystalline diamond and polycrystalline cubic boron nitride”, International journal of Refractory Metals and Hard Materials, 18(2-3), pp, 115-121. (adsbygoogle = window.adsbygoogle || []).push({});

[16] F. Cus, J. Balic, Selection of cutting conditions and tool ﬂow in ﬂexible

manufacturing system, Int. J. Manuf. Sci. Technol. 2 (2000) 101–106.

[17] Franci Cus, Uros Zuper, Approach to optimization of cutting conditions by

using artiﬁcial neural networks, Journal of Materials Processing Technology 173 (2006) 281–290

[18] D.T. Phillips, C.S. Beightler, Optimization in tool engineering using geometric

programming, AIIE Trans. (1970) 355–360.

[19] R.H. Philipson, A. Ravindram, Application of mathematical programming to

metal cutting, Math. Program. Study (1979) 116–134.

[20] Jasbir S Aora. Introduction to Optimum Design.Elsevier Inc Publisher, USA

2004.

[21] Luo S.Y., Liao Y., Tsai Y.Y, (1999), “Wear characteristics in turning high

hardness alloy steel by ceramic and CBN tools”, Journal of Material Processing Technology, 88, pp. 114-121.

[22] Laurence Vel, Genard Demazeau, Jean Etourneau. Cubic boron nitried :

synthesis, physicochemical properties and application. materials Science and Engineering, BIO (1991).

[23] Mitsuo Gen and Runwei Cheng.Genetic Algorithms and Engineering

Optimization.John & Sons Inc Publisher, USA 2000.

[24] Maria Joao Alves, Marla Almeida. MOTGA: A multiobjective Tchebycheff

based genetic algorithm for the multidimentional knapsack problem. Computers & Operations Reseach 34 (2007) 3458-3470.

[25] Ramón Quiza Sardinas, Pedro Reis, J Paulo Davim. (2006), “Multi- objective optimization of cutting parameters for drilling laminate composite materials by using genetic algorithms”, Composites Science and Technology, 66, pp, 3083-3088.

[26] T.J. Ko, D.W. Cho, Adaptive modelling of the milling process and application of

a neural network for tool wear monitoring, Int. J. Adv. ManufTechnol. 12 (1996) 5-3.

[27] V. Karri, Performance in oblique cutting using conventional methods and neural

networks, Neural Comput. Appl. 8 (1999) 196–205.

[28] Volkmar Richter, Michael Fripan., Demand for greater efficiency is good

news for PCBN Metal-power.net.MPR December 2006.

[29] Viktoria Bana, “ Manufacturing of high preciseion bores”, Doctoral thesis

2006, Delft University of Technology, Holand.

[30] X. Li, S. Dong, P.K. Venuvinod, Hybrid learning for tool wear monitoring, Int. J.

Adv. Manuf. Technol. 16 (2000) 303–307.

[31] Y. Liu, C. Wang, Neural network based adaptive control and optimization in the (adsbygoogle = window.adsbygoogle || []).push({});

Mục lục