استفاده از هوش مصنوعی به منظور بهینه سازی پارامترهای موثر درفرآیند کشش عمیق با هدف دستیابی به نیروی کمینه مورد نیاز شکل-دهی و کنترل توزیع ضخامت در دیواره محصولات

فرآیند کشش عمیق یکی از روش های متداول شکلدهی ورق های فلزی در صنعت می باشد. در این فرآیند پارامترهای متعددی رویموفقیت فرآیند و خواص مکانیکی قطعات تولید شده تاثیر میگذارند. در تحقیق حاضر، تاثیرات هشت مورد از مهم ترین پارامترهایفرآیند کشش بر روی خروجی توزیع ضخامت روی دیواره قطعات تولید شده بررسی شده است. ابتدا با استفاده از روش طراحی آزمایشات پاسخ سطح RSM تعداد آزمایشات لازم جهت انجام کاهش یافت. سپس قالب مورد نیاز به منظور انجام آزمایشات طراحی و ساخته شده و نمونه ها تولید گردیدند. برای به دست آوردن مقادیر بهینه از نرم افزار المان محدود Abaqus، روش طراحی آزمایش و شبکه عصبی استفاده شده است. سپس به منظور صحه گذاری نتایج، مدل شبیه سازی مربوط به آزمایشی که در آنپارامترهای خروجی بصورت تجربی اندازه گیری شده است ایجاد گردید. همچنین برای بررسی پارامتر خروج ی در باقی نمونه ها از مدل المان محدود استفاده شد. نتایج به دست آمده از المان محدود برای آموزش شبکه عصبی از نوع Levenberg- Marquardt (LM) به کار برده شده اند. شبکه آموزش داده شده به وسیله داده های دیگر تست شد و برای به دست آوردن آزمایش بهینه در الگوریتم بهینه سازی Brute force به کار گرفته شدند. نهایتا، نتایج به دست آمده از بهینه سازی، با نتایج مدل المان محدود صحه گذاری شده توسط مدل آزمایشگاهی ارزیابی شده اند . در پژوهش حاضر نتایج استخراج شده توسط روش های مختلف، از تطابق خوبی با یکدیگربرخوردار بوده اند .

Keywords:

کشش عمیق , مطالعه آزمایشگاهی , شبیه سازی , توزیع ضخامت , طراحی آزمایش ها , شبکه عصبی , بهینه سازیBrute force