Surface Roughness Prediction in EDM: Integration of Experimental Design and Machine Learning

Dieses Kapitel vertieft sich in die komplexe Welt der elektrischen Entladungsbearbeitung (Electrical Discharge Machining, EDM) und ihre Auswirkungen auf die Oberflächenrauheit, insbesondere bei C45-Stahl. Die Studie konzentriert sich auf drei Schlüsselparameter: Stromintensität (I), Pulseinschaltzeit (Ton) und Pulsausschaltzeit (Toff). Durch ein sorgfältig konzipiertes Experiment wird aufgezeigt, wie zunehmende Stromintensität und Pulslaufzeit die Oberflächenbeschaffenheit im Allgemeinen verschlechtern, während die Wirkung der Pulslaufzeit differenzierter ist und von Wechselwirkungen mit anderen Parametern abhängt. Das Kapitel untersucht auch die Anwendung von maschinellen Lernmodellen, insbesondere die Unterstützung von Vektorregression (SVR) und linearer Regression, um Oberflächenrauheiten vorherzusagen. Das SVR-Modell zeigt eine signifikante Verbesserung gegenüber der linearen Regression und erreicht einen R ² von 79%, was die komplexen nichtlinearen Beziehungen in EDM-Prozessen hervorhebt. Die Ergebnisse liefern wertvolle Erkenntnisse zur Optimierung von EDM-Prozessen in industriellen Anwendungen, insbesondere dort, wo die Integrität der Oberfläche entscheidend ist. Das Kapitel schließt mit Vorschlägen für zukünftige Forschungsrichtungen, einschließlich multiobjektiver Optimierungsansätze und Echtzeit-Kontrollsysteme.