بهینهسازی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح مینیمم با ترکیب شبکه عصبی مصنوعی و الگوریتم ژنتیک
Authors
Abstract:
زبری سطح یکی از پارامترهای مهم کیفیت سطح قطعه ماشینکاری شده است. در این پژوهش به مطالعه بهینهسازی پارامترهای ورودی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح مینیمم پرداخته شده است. پنج پارامتر از فرآیند فرزکاری برای مینیمم کردن زبری سطح مورد بررسی قرار گرفته است. بدین منظور، با انجام یک سری آزمایش طرح‌ریزی شده با تکنیک طراحی آزمایشات، یک سری داده‌های ورودی و خروجی به دست آمده و از روش شبکه‌های عصبی مصنوعی برای مدل‌سازی فرآیند استفاده شده است. با روش آزمون و خطا، معماری 1-6-8-5 به عنوان بهترین معماری برای شبکه عصبی مصنوعی که کمترین خطا را داشت انتخاب شده است. مدل شبکه عصبی مصنوعی ایجادشده به عنوان تابع هدف الگوریتم ژنتیک به کار رفته است. الگوریتم ژنتیک با بهینه کردن مقادیر پارامترهای ورودی، زبری سطح را تا 85/0 میکرومتر کاهش داده است. عملیات بهینهسازی برای سه استراتژی مسیر ابزار به صورت جداگانه اجرا شده و استراتژی چرخشی کمترین زبری را نتیجه داده است. در انتها با استفاده از روش تاگوچی سطوح بهینه متغیرها شناسایی شده‌اند. همچنین مشاهده شد که زبری سطح در صورتی کاهش می‌یابد که عمق برش، نرخ پیشروی و step over کم باشد و از استراتژی مسیر برش یک جهته استفاده شود. علاوه بر این مشخص شد که عمق برش بیش‌ترین تأثیر را بر زبری نهایی قطعه دارد.
similar resources
بهینه سازی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح مینیمم با ترکیب الگوریتم ژنتیک و شبکه عصبی مصنوعی
با توسعه و پیشرفت روز افزون روشهای ماشینکاری، کاربرد روشهای بهینهسازی در فرآیندهای ماشینکاری فلزات برای بالا بردن کیفیت قطعات و رقابت در بازار ضروری و سودمند به نظر می رسد. یکی از پارامترهای مهم کیفیت قطعه ماشینکاری شده زبری سطح آن قطعه می باشد. هرچه زبری سطح قطعه کمتر باشد کیفیت سطح آن بالاتر است. در این پژوهش به مطالعه بهینه سازی پارامترهای ورودی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح م...
15 صفحه اولمدلسازی و بهینهسازی نیروی ماشینکاری و زبری سطح در فرایند فرزکاری سوپر آلیاژ اینکونل 738 با کمک شبکه عصبی و الگوریتم ژنتیک
فرزکاری یکی از مهم‌ترین و متداول‌ترین روشهای براده‌برداری بوده و از دیرباز مطالعات زیادی بر روی آن انجام شده است. ضرورت مطالعه ماشینکاری سوپر آلیاژهای پایه نیکل به علت استحکام بالا و کاربردهای مختلفی که در صنایع هوا فضا، نیروگاهی و... دارند همچنان احساس می‌گردد. نیروی ماشینکاری و زبری سطح بدست آمده دو پارامتر مهم قابلیت ماشینکاری سوپرآلیاژها هستند که بدلیل اهمیت بالای آن مورد مطالعه قرار گرفته...
full textکاربردی از ترکیب الگوریتم ژنتیک و شبکه های عصبی مصنوعی برای بر آورد مصرف گاز طبیعی در ایران
هدف اصلی این تحقیق، بررسی تقاضای گاز طبیعی در ایران با استفاده از ساختار صنعت و شرایط اقتصادید ایران می باشد.. مدل ها به دو شکل (نمایی و خطی) ارائه شده اند و برای برآورد تقاضای گاز طبیعی در ایران مورد استفاده قرار می گیرند. این مدل ها برای برآورد میزان تقاضای گاز طبیعی در آینده براساس شاخص های جمعیت، تولید ناخالص داخلی و ارقام وارداتی و صادراتی گسترش یافته اند. مصرف گاز طبیعی در ایران از سال 19...
full textاستفاده از ترکیب الگوریتم ژنتیک و شبکه های عصبی مصنوعی برای پیش بینی نیروی گاز گرفتن از روی سیگنال الکترومایوگرام
Human mastication is a common rhythmic behavior and a complex biomechanical process which is hard to reproduce. Today, investigating the relation between electrical activity of muscles and force signals is of high importance in many applications including gait analysis, orthopedics, rehabilitation, ergonomic design, haptic technology, tele-presence surgery and human-machine interaction. Surface...
full textبهینه سازی پارامترهای برشی برای کمینه کردن زبری سطح با تلفیق شبکه عصبی مصنوعی و الگوریتم رقابت استعماری
full text
پیش‌بینی شاخص سهام با استفاده از ترکیب شبکه عصبی مصنوعی و مدل‌های فرا ابتکاری جستجوی هارمونی و الگوریتم ژنتیک
هدف پژوهش حاضر پیش‌بینی شاخص قیمت بورس اوراق بهادار تهران با استفاده از مدل شبکه عصبی هیبریدی مبتنی بر الگوریتم ژنتیک و جستجوی هارمونی است. مربوط‌ترین نماگرهای تکنیکی به عنوان متغیرهای ورودی و تعداد بهینه نرون در لایه پنهان شبکه عصبی مصنوعی با استفاده از الگوریتم‌های فراابتکاری ژنتیک و جستجوی هارمونی حاصل می‌گردد. مقادیر روزانه شاخص قیمت بورس اوراق بهادار تهران از تاریخ 1/10/91 الی 30/9/94 جهت ...
full textMy Resources
Journal title
volume 7 issue 2
pages 81- 91
publication date 2017-06-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023