Authors:
Mehieddine Derbas, Timothy Mark Young, Stephan Frömel-Frybort, Hans- Christian Möhring & Martin Riegler
Contents:
- Der Feuchtigkeitsgehalt in Holz hat starken Einfluss auf die optimalen Prozessparameter beim Fräsen.
- Mit dem neuartigen optischen Mikrophon wurden verschiedene Feuchtigkeitsklassen (dried, conditioned, wet und frozen) unterschieden.
- Mit Hilfe von Machine-Learning Modellen konnte durch das akustische Signal die Feuchtigkeitsklasse sowie die Geschwindigkeit beim Fräsen bestimmt werden. Das beste Modell erreichte eine Genauigkeit von rund 97.2%.
Link
View all Publications