بهینه سازی پارامترهای موثر بر زبری سطح آلیاژ Co28Cr6Mo حین عملیات تراشکاری CNC با استفاده از شبکه عصبی و الگوریتم ژنتیک
Publish place: اولین کنگره ملی کاربرد مواد و ساخت پیشرفته در صنایع
Publish Year: 1396
Type: Conference paper
Language: Persian
View: 669
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IAAMM01_097
Index date: 8 November 2017
بهینه سازی پارامترهای موثر بر زبری سطح آلیاژ Co28Cr6Mo حین عملیات تراشکاری CNC با استفاده از شبکه عصبی و الگوریتم ژنتیک abstract
در این تحقیق داده های آزمایشگاهی مربوط به زبری سطح آلیاژ Co28Cr6Mo تراشکاری شده با دستگاه CNC مدل سازی شده است. در این راستا تاثیر پارامترهای سرعت چرخشی اسپیندل، سرعت پیشروی، عمق براده برداری و شعاع نوک ابزار بر زبری سطح این آلیاژ بررسی شده است. در این مطالعه از داده های آزمایش کار پیشین که به روش تاگوچی انجام گرفته، استفاده شده است. این دادهها با شبکه عصبی مصنوعی مدل شده و بهینه سازی این پروسه از طریق الگوریتم ژنتیک انجام گرفته است. هدف از بهینه سازی، مینیمم کردن پارامتر زبری سطح با ترکیب مناسب پارامترهای مذکور می باشد. نتایج به دست آمده از مدلسازی نشان م یدهد مدل شبکه عصبی با دقت خوبی میزان پارامتر زبری سطح را تخمین می زند. مقایسه نتایج حاصل با کار پیشین نشان داد، مقدار زبری سطح بهینه در این کار در مقایسه با مقدار پیش بینی شده در کار پیشین، به مقدار تجربی نزدیکتر است. ترکیب مناسب پارامترهای سرعت اسپیندل، سرعت پیشروی، عمق براده برداری و شعاع نوک ابزار برای دستیابی به زبری سطح مینیمم نیز به ترتیب mm/rev,326/4rpm و 0/1، 0/736mm0/545mm به دست آمد.
بهینه سازی پارامترهای موثر بر زبری سطح آلیاژ Co28Cr6Mo حین عملیات تراشکاری CNC با استفاده از شبکه عصبی و الگوریتم ژنتیک Keywords:
بهینه سازی پارامترهای موثر بر زبری سطح آلیاژ Co28Cr6Mo حین عملیات تراشکاری CNC با استفاده از شبکه عصبی و الگوریتم ژنتیک authors