مدل سازی زبری سطح (RA) و نرخ برداشت براده برداری (MRR) در ماشین کاری تخلیه الکتریکی (EDM) با شبکه عصبی- فازی و بهینه سازی آن با استفاده از الگوریتم ژنتیک

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 916

This Paper With 9 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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

TAES01_102

تاریخ نمایه سازی: 1 آذر 1394

Abstract:

فرایند EDM یکی از روش های پیشرفته براده برداری است که در آنولتاژ پالسی و منقطع برقرار شده بین دو الکترود ابزار و قطعه کار (که هر دو در سیالی به نام دی الکتریک غوطه ورند) باعث ایجاد جرقه در نزدیک ترین نقطه در حدفاصل بین آنها گردیده و هر جرقه جزء کوچکی از ماده سطح قطعه کار را جدا می کند و در نهایت بعد از تعداد زیادی جرقه شکل مکمل پیشانی ابزار دروروی قطعه کار حک می گردد. مدل سازی کلاسیک از نخستین قدم خطای بزرگی مرتکب می شود که فقط در سیستم های ساده (خطی با نزدیک به خطی) قابل صرف نظر است و آن محاسبه ی شاخص های تمایل به مرکز و پراکندگی است که به این ترتیب امنیت فردی تک تک داده ها از بین می رود و در نتیجه سیستم قادر به کشف پیچیدگی ها نخواهد بود، و برای اغلب مهندسی با ویژگی های گوناگون و روابط غیر خطی قابل استفاده نمی باشد. در این تحقیق یک مدل شبکه انفیس بر مبنای داده های حاصل از مدل مقیاس آزمایشگاهی برای شبیه سازی ارائه گردیده است. برای این منظور از یک سیستم شبکه عصبی فازی استفاده شده که پارامترهای شبکه فازی توسط الگوریتم زنتیک بهینه گردیده است.

Keywords:

ماشین کاری تخلیه الکتریکی , شبکه عصبی فازی , بهینه سازی , الگوریتم ژنتیک

Authors

مهراد معارف وند

گروه ساخت و تولید، رشته مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد علوم و تحقیقات کرمانشاه، کرمانشاه، ایران

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 :
  • Konig W, Cronjager L, Spur G, Tonshoff H K, Vigneau ...
  • Wang K, Gelgele H L, Wang Y, Yuan Q, Fang ...
  • Rao G K M, Janardhana G R, Rao D H, ...
  • Tavoli M A, Zadeh N N, Khakhali A, Mehran M. ...
  • Sharmm V, Yadava V, Rao R. Yadava, R. Rao, and ...
  • Yousef B _ Knopf G K, Bordatchev E V, Nikumb ...
  • Yadav S K S, Yadava V. Mu ti-objective optimization of ...
  • Singh G K, Yadava V, Kumar R. Experimental study and ...
  • Agrawal S S, Yadava V. Artificial neural network modeling of ...
  • Joshi S N, Pande S S. Development of an intelligent ...
  • نمایش کامل مراجع