ارائه ی مدل ریاضی و بهینه سازی مسیر حرکت ابزار CNC در ماشینکاری های 2/5 بعدی و حل آن توسط الگوریتم شاخه و کران نرمافزار لینگو
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 2,283
This Paper With 7 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICME12_238
Index date: 16 September 2013
ارائه ی مدل ریاضی و بهینه سازی مسیر حرکت ابزار CNC در ماشینکاری های 2/5 بعدی و حل آن توسط الگوریتم شاخه و کران نرمافزار لینگو abstract
عملیات پاکت زنی (فرزکاری 2/5 بعدی) جزء عملیاتی است که در صنعت به وفور مورد استفاده قرار می گیرد، از این رو، کاهش زمان مربوط به این عملیات ضروری به نظر می رسد، برای این کار بایستی زمان های تلف شده ای که ابزار بدون براده برداری صرف لینک دهی المان ها می نماید حداقل شود، این زمان ها ناشی از انتخاب توالی المان های مسیر ابزار می باشد. در این راستا تحقیقات متعددی انجام گرفته است که اکثراً از الگوریتمهای ابتکاری و فرا ابتکاری مانند شبیه سازی تبرید، ژنتیک، هیبریدی و مورچه استفاده کردهاند. با توجه به اینکه ممکن است خروجیهای این الگوریتم ها ایده آلترین بهینه را ارائه ندهند، در این مقاله روش شاخه و کران برای حل مدل ریاضی بسط داده شده و برای مسئله ی فوق مورد استفاده قرار گرفته که می تواند با ارائه ی جواب بهینه سراسری، این امر را محقق سازد. مدل مورد نظر توسط نرمافزار لینگو که از روش شاخه و کران برای حل مسائل استفاده میکند، حل شده است. در پایان، نتایج حاصل از این روش با نتایج بدست آمده از روشهای موجود در مقالات قبلی مقایسه گردیده است.
ارائه ی مدل ریاضی و بهینه سازی مسیر حرکت ابزار CNC در ماشینکاری های 2/5 بعدی و حل آن توسط الگوریتم شاخه و کران نرمافزار لینگو Keywords:
ارائه ی مدل ریاضی و بهینه سازی مسیر حرکت ابزار CNC در ماشینکاری های 2/5 بعدی و حل آن توسط الگوریتم شاخه و کران نرمافزار لینگو authors
الیاس حدادی
مربی دانشکده فنی و حرفه ای تبریز
مسعود عباسپور طالعی
کارشناسی ارشد مکانیک از دانشگاه ارومیه
سید صمد صمدانی اقدم
کارشناسی ارشد مکانیک مدرس دانشکده فنی و حرفه ای تبریز
فرامرز کازری
دانشجوی کارشناسی مکانیک دانشکده فنی و حرفه ای تبریز
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :