Издательство
Каталог
Авторам
Рекламодателям
КонтактыВНИМАНИЕ!
Новый адрес редакций журналов Колодезный пер., 2 А.
ООО «Издательство «Инновационное машиностроение»
- КНИГИ Прайс-лист
- ЖУРНАЛЫ Прайс-лист
Книги и журналы, просмотренные ранее
Статьи автора
К последнему номеру журналаВсе статьи автора в журнале: Андроненков П.Р.
- Сравнительный анализ моделей машинного обучения для оценки эффективности термопрофилирования при фрезеровании асфальтобетонных покрытийComparative analysis of machine learning models for assessing the efficiency of thermal profiling in milling asphalt concrete pavementsАвторы статьиAuthorsАндроненков П.Р.Andronenkov P.R.andronenkovp@yandex.ruandronenkovp@yandex.ru
Сравнительный анализ моделей машинного обучения для оценки эффективности термопрофилирования при фрезеровании асфальтобетонных покрытий
УДК 62.93:625.008:69.002.5
DOI: 10.36652/1684-1298-2026-3-40-45
В статье представлено исследование по сравнительному анализу моделей машинного обучения, для оценки эффективности термопрофилирования при фрезеровании асфальтобетонных покрытий, приведены результаты оценки эффективности данных алгоритмов по таким ключевым показателям, как сила резания, массовый износ, производительность и энергоемкость, и определены пути дальнейшего совершенствования методов прогнозирования, включая оптимизацию гиперпараметров, валидацию на натурных данных и разработку программных инструментов для практического применения.
Ключевые слова
дорожные фрезы, термопрофилирование, резание асфальтобетона, машинное обучение, моделирование, оценка эффективности
Comparative analysis of machine learning models for assessing the efficiency of thermal profiling in milling asphalt concrete pavements
The article presents a study on the comparative analysis of machine learning models to evaluate the effectiveness of thermal profiling when milling asphalt concrete pavements, provides the results of evaluating the effectiveness of these algorithms on key indicators such as cutting force, mass wear, productivity and energy intensity, and identifies ways to further improve forecasting methods, including hyperparameter optimization, validation on field data and the development of software tools for practical use.
Keywords
road milling cutters, thermal profiling, asphalt concrete cutting, machine learning, modeling, efficiency assessment
- Математический аппарат и критериальные зависимости для оценки эффективности дорожных фрез при термопрофилированииMathematical apparatus and criterion dependencies for assessing the efficiency of road milling machines in thermal profilingАвторы статьиAuthorsАндроненков П.Р.Andronenkov P.R.Васильев Я.В.Vasilev YA.V.Куракина Е.В.Kurakina E.V.Ворожейкин И.В.Vorojeykin I.V.andronenkovp@yandex.ru, xen2k@rambler.ru, elvl_86@mail.ru, igor.vorozheikin@mail.ruandronenkovp@yandex.ru, xen2k@rambler.ru, elvl_86@mail.ru, igor.vorozheikin@mail.ru
Математический аппарат и критериальные зависимости для оценки эффективности дорожных фрез при термопрофилировании
УДК 62.93:625.008:69.002.5
DOI: 10.36652/1684-1298-2026-6-13-19
В статье представлен комплексный математический аппарат для оценки эффективности дорожных фрез при термопрофилировании, разработанный на основе численного моделирования с применением методов машинного обучения. Получены регрессионные модели зависимости силы резания, массового износа резцов, производительности и энергоемкости от температуры разогрева и технологических параметров. Приведены формулы для расчета оптимальной температуры в зависимости от типа асфальтобетонной смеси, глубины резания и степени износа инструмента.
Ключевые слова
дорожная фреза, термопрофилирование, асфальтобетон, сила резания, износ резцов, производительность, энергоемкость, математическое моделирование, машинное обучение
Mathematical apparatus and criterion dependencies for assessing the efficiency of road milling machines in thermal profiling
The paper presents a comprehensive mathematical framework for evaluating the efficiency of road milling machines under thermal profiling, developed on the basis of numerical simulation employing machine learning methods. Regression models describing the dependence of cutting force, tool wear, productivity and energy consumption on preheating temperature and technological parameters are obtained. Formulas for calculating optimal temperature depending on the asphalt mixture type, milling depth and tool wear degree are provided.
Keywords
road milling machine, thermal profiling, asphalt concrete, cutting force, tool wear, productivity, energy consumption, mathematical modeling, machine learning
