بهبود کیفیت جوشکاری مقاومتی نقطه ای در آلومنیوم به کمک مدل فازی عصبی و الگوریتم ژنتیک

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 438

This Paper With 11 Page And PDF and WORD 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:

MAARS02_044

تاریخ نمایه سازی: 8 اردیبهشت 1396

Abstract:

پژوهش حاضر به منظور مدل سازی و بهینه سازی جوشکاری نقطه ای صورت گرفته است به این ترتیب پارامترهای شامل جریان الکتریکی، نیروی الکترود، زمان جوشکاری و ضخامت ورق به عنوان پارامترهای موثر در جوشکاری در نظر گرفته شده است. در ابتدا با استفاده از روش فازی-عصبی یک مدل فازی با چهار ورودی و یک خروجی برای تخمین میزان استحکام جوش ارایه شده است. هدف انجام فرآیند با کمترین میزان مصرف انرژی و در عین حال داشتن بیشترین استحکام می باشد. برای شناسایی مدل جوشکاری نقطه ای از داده های آزمایشگاهی (که از 24 آزمایش با استفاده از روش طراحی مرکب مرکزی به دست آمده است) استفاده شده است. پس از استخراج مدل ANFIS، کمک مدل حاصل از بهینه سازی ژنتیک برای افزایش استحکام جوش در کنار کاهش توان مصرفی استفاده شده است. نتایج به دست آمده از مدل سازی نشان می دهد مدل فازی عصبی با دقت خوبی میزان استحکام جوش را تخمین می زند. همچنین بهینه سازی نشان می دهد با پارامترهای بهینه به دست آمده، علاوه بر کاهش میزان انرژی مصرفی، استحکام جوش به میزان چشم گیری افزایش داده شده است.

Authors

داود افشاری

استادیار گروه مهندسی مکانیک، دانشگاه زنجان

وحید جعفرپور

دانشکده مهندسی مکانیک، دانشگاه زنجان، زنجان، ایران

جعفر یوسفی

دانشکده مهندسی مکانیک، دانشگاه زنجان، زنجان، 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 :
  • E. Bayraktar, D. Kaplan, M. Grumbach, "Application of impact tensile ...
  • D.Q. Sun, B. Lang, D.X. Sun, J.B. Li, _ Microstructures ...
  • S. Aslanlar, A . Ogur, U . Ozsarac, E . ...
  • A. G. Thakur, & V. M. Nandedkar, "Application of Taguchi ...
  • Yi, L.. Jinhe, L., Huibin, X., Chengzhi X., and Lin, ...
  • U. Esme, "Application of Taguchi method for the optimization of ...
  • Y. Luo, C. Li, & H. Xu, "Modeling of resistance ...
  • H. Rowlands, & J, Antony, "Application of design of experiments ...
  • N. Aslan, "Multi-obj ective optimization of some process parameters of ...
  • T. Cool, "The use of an artificial neural network to ...
  • neural networks for modeling the mechanict properties of steels in ...
  • S.M. Darwish, S.D. Al-Dekhial, "Statistical models for spot welding of ...
  • V. Gunaraj, N. Murugan, "Application of response surface methodology for ...
  • D. S. Correia, C. V. Gonxalves, S.S. Cunha, V. A. ...
  • D. S. Correia, C. V. Goncalves, Sebastiao S. C. Junior ...
  • Y. Hayashi and J. J. Buckley, _ _ Approximati ons ...
  • J.-S. R. Jang, "ANFIS: a d ap tive-network- ased fuzzy ...
  • نمایش کامل مراجع