Povećanje kvalitete rezultata površinske hrapavosti kod obrade slobodnih površina temeljem neuronskih mreža

Ovaj se članak bavi reorganizacijom slobodnih površina i ocjenom kompleksnosti modela slobodnih površina, grupirajući određena površinska geometrijska svojstva unutar zatvorenih površina, koristeći samoorganizirajuću Kohonenovu neuronsku mrežu (SOKN). Neuronske mreže pokazale su se kao prikladan alat za razmatranje svih topoloških nelinearnosti koje se pojavljuju kod slobodnih površina. Vrijednosti koordinata oblaka točaka raspodijeljenih nad određenom površinom korišteni su kao svojstveni opis, što je nadalje vodilo prema SOKN-u, gdje su ustanovljeni reprezentativni neuroni za zakrivljenost, nagib i prostorno-površinska svojstva. Na temelju ovoga pristupa reorganizirane su granice zatvorenih površina na takav način da metode površinske obrade daju najbolje moguće rezultate spram površinske hrapavosti. Granice tih površina određene su prema Gaussovoj i prosječnoj zakrivljenosti kako bi se postigao glatki prijelaz između zatvorenih površina te kako bi se na taj način očuvala ili čak unaprijedila željena zakrivljenost i glatkoća površine, (C2 i G2). Pokazano je da se reorganizacijom granica s obzirom na zakrivljenost, nagib i prostornu raspodjelu točaka, poboljšava kvaliteta obrađene slobodne površine. Pristup je eksperimentalno potvrđen na 22 modela slobodne površine koji su reorganizirani SOKN-om i površinski obrađeni određenim metodama. Rezultati pokazuju poprilično dobro poboljšanje prosječne vrijednosti površinske hrapavosti Ra za reorganizirane strukture u usporedbi sa neorganiziranim slobodnim površinama.