کاربرد شبکه عصبی مصنوعی و الگوریتم تبرید تدریجی در بهینه سازیفرایند جوشکاری الکترود تنگستن با گاز محافظ ورقهای آلومینیوم

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 737

This Paper With 5 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:

MMAT01_084

تاریخ نمایه سازی: 16 اسفند 1394

Abstract:

امروزه استفاده از آلیاژهای آلومینیوم در صنایع مختلف از جمله هوافضا و خودروسازی به دلیل داشتن خواصی مانند نسبت استحکام به وزن مناسب و مقاومت در مقابل خوردگی و خستگی بالا، روند رو به رشدی دارد. یکی از روشهای اصلی ایجاد اتصال بین یکی از پرکاربردترین فرآیندهای اتصال دائمی برای این آلیاژها می TIG ورقهای فلزی جوشکاری است که در این میان جوشکاری باشد. بنابراین دستیابی به رویه های جوشکاری که منجر به تولید اتصالات جوشی با خواص مکانیکی و متالوژیکی مطلوب شوند، از اهمیت بسزایی برخوردار است.در این مقاله به منظورتعیین تاثیر پارامترهای تنظیمی و یافتن مقادیر بهینه آنها در جوشکاری آلومینیوم 5) از رویکرد طراحی آزمایشات و الگوریتمهای فرا ابتکاری، استفاده می گردد.مشخصه های کنترلی مورد ارزیابی نیز XXX سریشامل جریان، ولتاژ، سرعت جوشکاری، فرکانس جریان و فاصله گپ خواهد بود. مشخصههای مورد ارزیابی هندسه گرده جوش میباشد. برای ایجاد ارتباط بین پارامترهای جوشکاری و مشخصههای خروجی فرآیند از مدلسازی شبکه های عصبی مصنوعی استفاده میگردد. مشخصه های کنترلی مورد ارزیابی نیز شامل جریان، ولتاژ، سرعت جوشکاری، فرکانس جریان و فاصله گپ خواهد بود. مشخصه های مورد ارزیابی هندسه گرده جوش میباشد.

Keywords:

جوشکاری TIG طراحی آزمایشات , الگوریتم فرا ابتکاری , شبکه عصبی مصنوعی

Authors

رضا وفادارنیا

دانشجوی کارشناسی ارشد ساخت وتولید،دانشگاه آزاد اسلامی واحد مالی

فرهاد کلاهان

دانشیار، دانشکده مهندسی مکانیک،دانشگاه فردوسی مشهد

یاسر رستمیان

استادیار، دانشکده مهندسی مکانیک، دانشگاه آزاد اسلامی واحد ساری

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 :
  • N. Murugan , V. Gunaraj, "Prediction and control of [1] ...
  • _ _ _ arc weld features, " Fourth Int. Conf. ...
  • I.S. Kim, K.J. Son, Y.S. Yang, P.K.D.V. Yaragada, "Sensitivity analysis ...
  • Nagesh DS, Datta GL, "Prediction of weld bead [5] prediction ...
  • Ill-Soo Kim, Joon-Sik Son, Sang-Heon Lee, Prasad [6] K.D.V. Yarlagadda, ...
  • Erdal Karadeniz, Ugur Ozsarac, Ceyhan Yildiz, "The effect of process ...
  • SAS Institute, Inc., _ _ Edition, SAS Institute Inc., Cary, ...
  • Xiutang Geng, Jin Xu, Jianhua Xiao, Linqiang Pan, _ for ...
  • Materials Processing Technology, vol. 159, pp. 113- I18, 2005. ...
  • Hagan, M.T., and M. Menhaj, "Training feed-forward networks with the ...
  • Parikshit, D., Kumar P. D., "Modeling of TCG Welding Process ...
  • Nagesha, D.S., Dattab, G.L, "Genetic Algorithm For Optimization of Welding ...
  • نمایش کامل مراجع