Application of machine learning based algorithm to predict performance of turning Al–SiC-MWCNT using cryogenically treated textured insert

This work intends to improve dry machining of Al–SiC-MWCNT (Aluminum–Silicon Carbide-Multi-Walled Carbon Nanotube) composites with cryogenically treated textured cutting tool inserts. The study aims to optimize machining parameters such feed rate, cutting speed, depth of cut, and nanoparticle concen...

Celý popis

Podrobná bibliografie

Vydáno v:	Hybrid Advances Ročník 10; s. 100432
Hlavní autoři:	Saikrupa, Ch, Reddy, G ChandraMohan, Venkatesh, Sriram
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Elsevier B.V 01.09.2025 Elsevier
Témata:	Cryogenically treated tool Machine learning based algorithm Power consumption prediction Surface roughness Turning: MMC prediction Turning: MMC Surface roughness Power consumption Machine learning based algorithm Cryogenically treated tool
ISSN:	2773-207X, 2773-207X
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!