TubeBEND：一个用于旋转拉弯几何预测的真实世界数据集
计算工程、金融与科学
2025-09-15 v1
摘要
本文介绍了 TubeBEND，一个包含 318 个旋转管材弯曲过程的真实世界数据集，该数据集由来自不同领域的专家收集和整理，用于评估机器学习和信号分析方法。该数据集解决了预测第一阶段弯曲几何形状的工业挑战，这对于设计两阶段旋转拉弯中第二阶段弯曲的机床夹紧模具有益。该数据集记录了一些几何标准，例如管材的最终弯曲角度（或回弹）及其横截面变形。该数据集使我们能够构建和测试机器学习模型，这些模型可以预测几何形状，并帮助机器操作员进行更好的机器设置，以优化管材的回弹和变形。此外，通过记录一些过程参数，例如工具运动以及施加于其上的力或扭矩，我们提供了关于它们对最终管材几何形状影响的详细信息。我们工作的重点是发现能够替代传统方法（例如试错法或基于模拟的预测）的解决方案，方法是将实验过程变量纳入机器学习算法。我们的数据集可在 https://github.com/zeyneddinoz/tubebend 和 https://zenodo.org/records/16614082 公开获取，作为改进该领域数据驱动方法的基准。
引用
@article{arxiv.2509.10272,
title = {TubeBEND: A Real-World Dataset for Geometry Prediction in Rotary Draw Bending},
author = {Zeyneddin Oz and Jonas Knoche and Alireza Yazdani and Bernd Engel and Kristof Van Laerhoven},
journal= {arXiv preprint arXiv:2509.10272},
year = {2025}
}