Artificial neural networks and response surface methodology as a tool for analysis the spindle torque in FSP process

The article presents the effect of rotational and travelling speeds and down force on the spindle torque acting on the tool in friction stir processing (FSP) process. To find a dependence combining the spindle torque acting on the tool with the rotational speed, travelling speed and the down force, the artificial neural networks (ANN) and response surface methodology (RSM) were applied. Good correlation between experimental set and model was achieved. The best results were gained for the multilayer perceptron type 3-9-1. The results obtained in artificial neural network were compared with those through response surface methodology. Based on achieved results ANN, quadratic and linear models can be recommended to predict the value of spindle torque acting on the tool during FSP process carry out on alloy AlSi9Mg.

---

W artykule przedstawiono wpływ prędkości obrotowej i przesuwu oraz siły docisku na moment obrotowy działający i narzędzia w trakcie procesu tarciowej modyfikacji warstw wierzchnich FSP. Do wyznaczenia zależności łączącej moment obrotowy działający na narzędzia z prędkością obrotowa prędkością przesuwu i siłą docisku, zastosowano sztuczne sieci: neuronowe (SSN) i metodę powierzchni odpowiedzi (RSM). Osiągnięto zgodność pomiędzy wartościami z badań doświadczalnych i modelami. Najlepsze wyniki uzyskano dla perceptronu wielowarstwowego typ 3-9-1. Uzyskane wyniki dla sztucznej sieci neuronowej porównano z tymi, które uzyskano przy zastosowaniu metody powierzchni odpowiedzi. Na podstawie uzyskanych wyników SSN, modele liniowe i kwadratowe mogą być zalecane do przewidywania wartości momentu obrotowego działającego na narzędzia podczas modyfikacji FSP AISi9Mg.