مدل سازی برش شیشه با جت آب همراه با ذرات ساینده توسط شبکه عصبی و بهینه سازی زبری سطح با استفاده از الگوریتم کرم شب تاب

Authors

حسین امیرآبادی

خلیل خلیلی

ابوالفضل فورگی نژاد

جواد عاشوری

abstract

در این مقاله از الگوریتم تازه گسترش یافته کرم شب تاب برای بهینه سازی فرآیند برش شیشه با جت آب همراه با ذرات ساینده که فرآیندی چند متغیره غیر خطی است، استفاده گردید. در روش پیشنهادی به منظور مدل سازی و پیش بینی زبری سطح فرآیند برش شیشه؛ با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار از شبکه عصبی مصنوعی پیشخور با باز انتشار خطا استفاده شد. در ادامه، الگوریتم کرم شب تاب با استفاده از مدل شبکه عصبی مصنوعی پیشنهادی، اقدام به بهینه کردن زبری سطح برش خورده به عنوان تابع هدف نمود و در نهایت پارامترهای متناسب با زبری سطح کمینه ارائه گردید. نتایج حاصله نشان داد که مدل پیشنهادی برای پیش بینی پارامترهای خروجی مناسب بوده و همچنین نتایج بدست آمده از الگوریتم بهینه سازی استفاده شده، حاکی از کاربردی بودن این الگوریتم در فرآیندهای با طبیعت پیچیده، دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک

در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل‌سازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، ‌نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار استفاده شده است. مقایسه نتایج به دست آمده از مدل شبکه عصبی با نتایج به دست آمده از آ...

full text

بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک

در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل سازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار استفاده شده است. مقایسه نتایج به دست آمده از مدل شبکه عصبی با نتایج به دست آمده از آز...

full text

مدل سازی فرآیند ماشینکاری تخلیه الکتریکی با شبکه عصبی و بهینه سازی آن با استفاده از الگوریتم کرم شب تاب

در این مقاله فرآیند ماشینکاری تخلیه الکتریکی توسط شبکه عصبی مصنوعی پیشخور با باز انتشار خطا مدل سازی شده و خروجی فرآیند شامل نرخ براده برداری و فرسایش ابزار توسط الگوریتم کرم شب تاب بهینه گردید. تغییر پارامترهای خروجی بر اساس پارامترهای ورودی شامل شدت جریان، زمان روشنی پالس و زمان خاموشی پالس تعیین گردیده و در نهایت برای هر یک از مراحل خشن تراشی و پرداخت کاری پارامترهای متناسب به نحوی ارائه می ...

full text

مدیریت تقاضای آب با استفاده از الگوریتم بهینه سازی کرم شب تاب پویا: مطالعه موردی رودخانه هیرمند

الگوریتم کرم شب تاب یک تکنیک بهینه سازی موثر بر مبنای هوش ازدحامی است که به طور موفقیت آمیزی در مسائل مهندسی کاربردی استفاده می‏شود. در این پژوهش الگوریتم کرم شب تاب پویا برای تخمین میزان تقاضا آب از رودخانه هیرمند در منطقه سیستان به کار برده شده و با چهار الگوریتم مختلف کرم شب تاب برای سالهای 1385 تا 1396 مقایسه گردید. از داده های سال 1385 تا 1393 جهت آموزش و یاد گیری مدل استفاده شد و از باقیم...

full text

برشکاری آلیاژ تیتانیوم ti6al4v با فرآیند جت آب همراه با ذرات ساینده و بهینه سازی مشخصه های هندسه شکاف برش

فرآیند برش جت آب همراه با ذرات ساینده، شکاف برشی با لبه های زاویه دار و هندسه ای خاص بر روی قطعه کار تحت برش ایجاد می نماید. این موضوع باعث بروز محدودیت هایی در کاربردهای برش جت آب شده و یا نیاز به ماشینکاری لبه ها را در برخی موارد به وجود می آورد. در این مقاله نتایج تحقیقات انجام شده بر روی هندسه شکاف برش آلیاژ تیتانیوم ti-6al-4v در فرآیند برش جت آب همراه با ذرات ساینده ارائه گردیده است. بدین ...

full text

بهینه سازی بهره‎برداری از مخزن برای تأمین آب کشاورزی با استفاده از الگوریتم کرم شب تاب

بیشترین مقدار آب کشور در بخش کشاورزی مصرف می شود. بنابراین استفاده بهینه از آب در این بخش، به میزان قابل توجهی در حفاظت منابع آب و استفاده حداکثری از آب موجود موثر است. در بسیاری از مناطق، سدهای ذخیره ای وظیفه تأمین آب کشاورزی پایین دست خود را بر عهده دارند. بهره برداری بهینه از مخازن یکی از مهم ترین بخش های مدیریت منابع آب سطحی بوده و روش های بهینه سازی گوناگونی در این زمینه استفاده شده اند، ک...

full text

My Resources

Save resource for easier access later


Journal title:
مهندسی مکانیک مدرس

Publisher: دانشگاه تربیت مدرس

ISSN 1027-5940

volume 13

issue 8 2013

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023