مدلسازی و بهینه‌سازی چند هدفی فرایند پرداخت قطعات صنعتی با سیال ساینده با استفاده از شبکه های عصبی از نوع GMDH و الگوریتم ژنتیک
Publish place: 14th Annual Conference of Mechanical Engineering
Publish Year: 1385
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,749
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISME14_212
تاریخ نمایه سازی: 1 فروردین 1386
Abstract:
ماشینکاری و صیقل دهی سایشی توسط سیال ساینده (Abrasive Flow Machining) یا AFM یکی از روشهای براده برداری نوین، جهت صیقل دهی سطوح، لبه ها و بخشهای داخلی قطعات صنعتی با تلرانس های بسیار دقیق و کیفیت عالی پرداخت به شمار می آید. در این مقاله شبکه‌های عصبی GMDH، بهینه شده با الگوریتم ژنتیک در ابتدا برای مدلسازی فرایند بر اساس داده‌های آزمایشی بدست آمده از سامانه ساخته شده به کار می‌روند. در مرحله دوم، روابط ریاضی بدست آمده، برای بهینه‌سازی چند هدفی با استفاده از الگوریتم ژنتیک به کارگرفته شده و منحنی پارتو برای میزان صافی سطح و میزان ماده برداشتی به عنوان توابع هدف با عملکرد متضاد ارائه می‌شود. نتایج بدست آمده روابط جالب و سودمندی را در طراحی بهینه نمایش می‌دهد که تنها با استفاده از به کارگیری بهینه‌سازی چندهدفی مدل ریاضی استخراج شده از نتایج آزمایشگاهی قابل بدست آمدن است.
Keywords:
فرایند پرداخت با سیال ساینده (AFM)- الگوریتم ژنتیک- GMDH- بهینه‌سازی چندهدفی
Authors
ابوالفضل خلخالی
دانشجوی دوره دکتری دانشگاه گیلان، دانشکده فنی
نادر نریمان زاده
دانشیار دانشگاه گیلان، دانشکده فنی
مجیدعلی طاولی
استادیار دانشگاه گیلان، دانشکده فنی
مهدی مهران
کارشناس ارشد دانشگاه گیلان، دانشکده فنی
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 :