بهینه سازی پارامترهای موثر بر زبری سطح آلیاژ Co28Cr6Mo حین عملیات تراشکاری CNC با استفاده از شبکه عصبی و الگوریتم ژنتیک

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.

Keywords:

تراشکاری CNC , بهینه سازی , زبری سطح , شبکه عصبی , الگوریتم ژنتیک