محمدجواد اللهیاری چرودی - دانشجوی کارشناسی ارشد- دانشگاه آزاد اسلامی واحد دزفول
عبدالرضا رحیمی - استادیار- دانشگاه صنعتی امیرکبیر
علی مهدی پور عمرانی - استادیار- دانشگاه مالک اشتر

در این مطالعه یک شبکه عصبی مصنوعی برای پیشبینی و کنترل زبری سطح در دستگاه تراش معمولی ارائه شده است. برای بدست آوردن داده هایی که برای آموزش و تست شبکه عصبی استفاده شدند، آزمایشاتی با استفاده از دستگاه تراش معمولی انجام گرفت. پارامترهای استفاده شده در آزمایشات به چهار پارامتر عمق برش، سرعت برش، نرخ تغذیه و شعاع نوک ابزار محدود شدند. یک شبکه عصبی چند لایه تغذیه پیشرو ایجاد شد و آموزش دید. این شبکه دارای یک لایه پنهان با 20 نورون می باشدRaمیانگین زبری) وRzمیانگین بلندترین ارتفاع های زبری) با هم دیگر در یک شبکه عصبی مدل شدند. نتایج بدست آمده از شبکه عصبی با مقادیر واقعی مقایسه شدند. بعلاوه از آنجایی که کنترل زبری سطح مورد نظر بود، یک الگوریتم کنترلی در تحقیق حاضر بوجود آمد. زبری سطح مطلوب بعنوان مقدار مرجع به سیستم کنترلی فرستاده می شد و کنترل کننده شرایط برش را برای این مقادیر زبری سطح تعیین می کرد. یک مقدار زبری سطح جدید با فرستادن شرایط برش به مشاهده کننده (بلوک شبکه عصبی) تعیین می شد. زبری سطح بدست آمده به واحد مقایسهکننده برگشت داده می شد و با مقدار مرجع مقایسه می شد و مقدار اختلاف زبری سطح سپس به کنترل کننده فرستاده می شد. این روال ادامه پیدا می کرد تا اینکه تفاوت به یک مقدار مشخص از زبری سطح که می تواند برای دقت ماشین مجاز باشد، کاهش یابد. وقتی زبری سطح به مقدار مجاز رسید، این پارامترهای برش بعنوان مقادیر ورودی به ماشین تراش فرستاده می شدند. در انتها نتیجه گیری شد که هر دو مقادیر زبری سطح مربوط به پارامترهای برش و پارامترهای برش مناسب برای یک زبری سطح معین می توانند قبل از عملیات ماشینکاری با استفاده از شبکه عصبی مصنوعی و الگوریتم کنترلی تعیین شوند.

عملیات تراشکاری، پارامترهای برش، شبکه عصبی مصنوعی، پیشبینی زبری سطح، کنترل زبری سطح