تخمین سختی منطقه متاثر از حرارت نمونه های فولادضد زنگ 304 در جوشکاری اتوماتیک قوسی تنگستن به روش شبکه عصبی
Publish place: 14th Iran Engineering Manufacturing Conference
Publish Year: 1396
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 358
This Paper With 8 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:
شناسه ملی سند علمی:
ICME14_038
تاریخ نمایه سازی: 29 فروردین 1397
Abstract:
یکی از روشهای مهم اتصال قطعات صنعتی، جوشکاری است. جوشکاری قوس الکتریکی با الکترود تنگستن در حالت دستی به صورت یکنواخت صورت نمی پذیرد و کیفیت آن نسبت به حالت اتوماتیک کمتر است. در صنعت از این روش برای جوشکاری آلومینیم، فولاد ضد زنگ، منیزیم، تیتانیم و ... استفاده می شود. بهبود خواص مکانیکی و تخمین آن قبل از عملیات جوش، یکی از اهداف محققین جوش است. در این تحقیق برای جوشکاری قوس الکتریکی تنگستن یک بازوی جوشکاری اتوماتیک طراحی و ساخته شد که سرعت جوشکاری آن بوسیله میکروکنترلر با روش مدولاسیون پهنای باند، کنترل می شود. سپس در شرایط مختلف جوشکاری مانند انواع سرعت پیشروی، شدت جریان و دمای پیش گرم آزمایشات عملی صورت گرفته و مقدار سختی مناطق مختلف قطعات جوشکاری شده به صورت عملی اندازه گیری شد. در مرحله بعد، با استفاده از این اطلاعات تجربی، یک سیستم هوش مصنوعی از نوع شبکه های عصبی طراحی و آموزش داده شد که ورودی های آن پارامترهای تنظیمی جوشکاری قوس الکتریکی تنگستن و خروجی آن میزان سختی منطقه متاثر از حرارت است. این سیستم هوشمند بعد از آموزش، آزمایش گردید. نتایج کار نشان می دهد که با استفاده از شبکه عصبی با دقت بسیار بالایی می توان میزان سختی منطقه متاثر از حرارت را قبل از انجام جوشکاری تخمین زد.
Keywords:
Authors
غلامرضا مرامی
ایران، تبریز، آدرس، دانشگاه تبریز، دانشکده مکانیک، استادیار
یعقوب سلیمی
ایران، تبریز، آدرس، دانشگاه تبریز، دانشکده مکانیک، کارشناس مسیول آزمایشگاه
محمدرحیم کریمانی
ایران، تبریز، آدرس، دانشگاه تبریز، دانشکده مکانیک، کارشناس آزمایشگاه