EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Cutting force estimation from machine learning and physics-inspired data-driven models utilizing accelerometer measurements

Gregory W. Vogl, Yongzhi Qu, Reese Eischens, Gregory Corson, Tony Schmitz, Andrew Honeycutt, Jaydeep Karandikar, Scott Smith

Procedia CIRP · 2024 · 126 · 318-323

DOI: 10.1016/j.procir.2024.08.361 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Procedia CIRP, 2024. Verfasst von Gregory W. Vogl und 7 weiteren Autor:innen. Die Arbeit wurde bisher 8-mal zitiert (Crossref) und nennt 11 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0).

AbstractBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Kein Abstract verfügbar.

Zitieren

APA

Vogl, G. W., Qu, Y., Eischens, R., Corson, G., Schmitz, T., Honeycutt, A., Karandikar, J., & Smith, S. (2024). Cutting force estimation from machine learning and physics-inspired data-driven models utilizing accelerometer measurements. Procedia CIRP, 126, 318-323. https://doi.org/10.1016/j.procir.2024.08.361

Vancouver

Vogl GW, Qu Y, Eischens R, Corson G, Schmitz T, Honeycutt A, et al. Cutting force estimation from machine learning and physics-inspired data-driven models utilizing accelerometer measurements. Procedia CIRP. 2024;126:318-323. doi:10.1016/j.procir.2024.08.361

BibTeX
@article{Vogl2024,
  author = {Vogl, Gregory W. and Qu, Yongzhi and Eischens, Reese and Corson, Gregory and Schmitz, Tony and Honeycutt, Andrew and Karandikar, Jaydeep and Smith, Scott},
  title = {Cutting force estimation from machine learning and physics-inspired data-driven models utilizing accelerometer measurements},
  journal = {Procedia CIRP},
  year = {2024},
  volume = {126},
  pages = {318--323},
  doi = {10.1016/j.procir.2024.08.361}
}
Kostenlos starten →