بهینه سازی چند هدفه مسیر بارگذاری فرآیند هیدروفرمینگ لوله Y- شکل با استفاده از الگوریتم ژنتیک و شبکه عصبی

با توجه به کاربرد روزافزون قطعات لوله ای شکل در صنایع مختلف استفاده از روش هیدروفرمینگ لوله بسیار گسترش یافته است. موفقیت این روش تا حد زیادی به کنترل دقیق پارامترهای فرآیند از جمله پارامترهای مسیر بارگذاری بستگی دارد. در این راستا این پژوهش به معرفی روشی مناسب برای تعیین مقادیر بهینه پارامترهای مسیر بارگذاری پرداخته است بر اساس روش پیشنهاد شده، در فرایند هیدروفرمینگ لوله Y- شکل تمکان تعیین شرایط تحقق بیشترین ارتفاع بالج همزمان با کمترین میزان کاهش در ضخامت لوله بررسی می شود. به این منظور بهینه سازی چند هدفه توسط الگوریتم ژنتیک مرتب ساز نامغلوب اجرا می شود. برای تخمین و پیش بینی رفتار تغییر شکل لوله بر اساس پارامترهای مسیر بارگذاری، شبکه عصبی مصنوعی مورد استفاده قرار می گیرد و از روش تاگوچی برای طراحی آزمایش های مورد نیاز جهت آموزش و آزمون شبکه عصبی استفاده می شود. آزمایش های طرح شده با استفاده از تحلیل اجزای محدود توسط نرم افزار تجاری آباکوس شبیه سازی می گردد. در نهایت معیار L2 برای انتخای یک نقطه بهینه از مجموعه بهینه پارتو بکار گرفته شده و مسیرهای بارگذاری بهینه معرفی می گردد.

Keywords:

هیدروفرمینگ , بهینه سازی , الگوریتم ژنتیک , شبکه عصبی , روش اجزای محدود