6. ConclusionsThe ANFIS with multi

6. ConclusionsThe ANFIS with multi inputs fuzzy model was developed topredict the flank wear during turning process. The inputs of thedeveloped model are cutting parameters of turning process (cutting speed, feed rate, depth of cut), and I-kaz coefficient for cuttingforce and feed force. The cutting force components were measuredusing in-house developed strain gauge sensor. The I-kaz methodwas developed based on the decomposed frequency signals, andintegrated kurtosis-based algorithm was used to extract the features of the cutting force and feed force signals. The changes ofcutting force signals due to flank wear were indicated by significant increasing the I-kaz coefficient values. Among the five inputparameters of ANFIS model, changes of the I-kaz coefficient in feedforce have the most effect on predicting flank wear value, followedby I-kaz coefficient in cutting force, feed rate, depth of cut, and cutting speed. It was found that the results generated by the ANFISmodel are close to the experimental results with the minimumand maximum average error of the flank wear of about 2.30% and5.08% respectively. The accuracy of the prediction may achieve upto 95.93–97.70%. The performance of the prediction shows that theestimated results are very accurate and encouraging to be appliedin real industry application.

結果 (繁體中文) 1:

6.結論
本ANFIS多輸入模糊模型的開發是為了
車削過程中預測的後刀面磨損。所述的輸入
發達模型為切割車削工藝的參數（切削速度，進給速率，切削深度），以及用於切割的I-哈薩克斯坦係數
力和進給力。測量該切割力分量
使用內部開發的應變儀傳感器。的I-哈薩克斯坦方法
是基於分解的頻率信號開發的，
集成的基於峭度的算法被用來提取切削力和進給力的信號的特徵。的變化
由顯著被指示增加I-哈薩克斯坦系數值切割力信號由於後刀面磨損。在五個輸入
在飼料中的I-哈薩克斯坦係數的ANFIS模型的參數，改變
力對預測後刀面磨損值的影響最大，其次
由I-KAZ係數在切削力，進給速率，切削深度和切割速度。結果發現，由ANFIS生成的結果
模型接近具有最小的實驗結果
的約2.30％和後刀面磨損和最大平均誤差
分別5.08％。預測的準確性可實現高達
至95.93-97.70％。預測顯示性能的
估計結果非常精確，並鼓勵被應用
在實際工業中的應用。

結果 (繁體中文) 2:

6. 結論
開發具有多輸入模糊模型的 ANFIS
預測車削過程中齒面磨損。的輸入
開發模型是切削工藝的切削參數（切削速度、進給率、切削深度）和用於切割的 I-kaz 係數
力和饋送力。測量切削力部件
使用內部開發的應變片感應器。I-kaz 方法
基於分解的頻率信號開發，
採用基於峰度的集成演算法提取切削力和饋送力信號的特徵。的更改
側翼磨損引起的切削力信號通過顯著增加 I-kaz 係數值來指示。在五個輸入中
ANFIS 模型的參數，進給中的 I-kaz 係數的變化
力對預測齒面磨損值的影響最大，其次是
由 I-kaz 係數在切削力、進給率、切削深度和切削速度。結果發現，ANFIS產生的結果
模型接近實驗結果，最小
和側翼磨損的最大平均誤差約2.30%和
分別為5.08%。預測的準確性可能達到
到 95.93~97.70%。預測的性能表明，
估計的結果是非常準確和令人鼓舞的應用
在真實的行業應用中。

結果 (繁體中文) 3:

6。結論
建立了多輸入模糊神經模糊系統模型
預測車削過程中的側翼磨損。的輸入
開發的模型是車削加工的切削參數（切削速度、進給速度、切削深度）和切削的I-kaz係數
力和進給力。量測了切削力分量
使用內部開發的應變計感測器。I-kaz方法
是基於分解的頻率訊號開發的，並且
採用基於峰度的綜合算灋選取切削力和進給力訊號的特徵。變化
齒面磨損引起的切削力訊號通過顯著增加I-kaz系數值來表示。在五個輸入中
ANFIS模型參數、飼料中I-kaz係數的變化
力對預測側翼磨損量的影響最大，其次是
根據切削力、進給速度、切削深度和切削速度的I-kaz係數。結果發現，由ANFIS產生的結果
模型與實驗結果接近，且最小
齒面磨損的最大平均誤差約為2.30%
分別為5.08%。預測的準確性可以達到
至95.93–97.70%。預測的效能表明
估計的結果非常準確，令人鼓舞
在實際工業應用中。