Prediction of spindle torque acting on the tool during FSP using neural networks and RSM

An artificial neural network (ANN) and response surface methodology (RSM) models were developed for the analysis and simulation of the correlation between parameters of the friction stir processing process (FSP) and the torque acting on a tool during modification of cast aluminium alloy AlSi9Mg. The input parameters were: rotational speed, travelling speed and down force. The output parameter of the models was the torque of the spindle. Good correlation between the experimental set and the model was achieved. The best results were obtained for the multilayer perceptron type 3-6-1. Results obtained in artificial neural network were compared with those through response surface methodology. Based on results achieved, ANN and linear model can be recommended to predict the spindle torque value acting on the tool during FSP process carried out on alloy AlSi9Mg.

---

Do wyznaczenia zależności pomiędzy parametrami procesu tarciowej modyfikacji warstw wierzchnich (FSP) a momentem obrotowym działającym na narzędzie podczas modyfikacji stopu odlewniczego aluminium AlSi9Mg rozwinięto metody sztucznych sieci neuronowych (ANN) i powierzchni odpowiedzi (RSM). Metody te umożliwiły przewidywanie wartości momentu obrotowego. Parametrami wejściowymi w zaproponowanych modelach były prędkości obrotowa i przesuwu oraz siła docisku, a parametrem wyjściowym moment obrotowy. Osiągnięto dużą zgodność pomiędzy wynikami doświadczalnymi i modelami. Najlepsze wyniki uzyskano w przypadku wielowarstwowej sieci typu perceptron 3-6-1. Rezultaty otrzymane z użyciem sztucznej sieci neuronowej porównano z uzyskanymi metodą powierzchni odpowiedzi. Na tej podstawie stwierdzono, że ANN i model liniowy mogą być wykorzystywane do prognozowania wartości momentu obrotowego działającego na narzędzie podczas procesu FSP prowadzonego na stopie AlSi9Mg.