پیش بینی استهلاک فرآیند ماشینکاری AL7075 با استفاده از سری زمانی

Authors

  • فلاح, محسن
  • پور, مسعود
Abstract:

در این مقاله، روشی جدید برای پیش بینی دقیق نیروهای برش و تعیین بافت سطح قطعه کار تولید شده در عملیات  فرزکاری با بار جانبی کم ارائه می‌گردد. در روش پیشنهادی، نسبت میرایی  فرآیند در خارج از منطقه برش توسط روش تحلیل مودال تجربی تعیین شده و برای تعیین دقیق نسبت میرایی فرآیند در داخل منطقه برش از تکنیک های روش تحلیل سری زمانی استفاده شده است. با استفاده از دیاگرام جمع همبستگی، مقایسه‌ای بین سیگنال نیروی شبیه‌سازی شده و سیگنال‌ نیروی آزمایشگاهی انجام گردیده  و مقدار نسبت میرایی، با مقایسه کیفی دیاگرام مذکور برای دو سیگنال تعیین می‌گردد. روش مورد استفاده برای شبیه‌سازی نیروهای برشی، روش المان محدود زمانی (TFEA) است که روشی بسیار کارآمد برای پیش بینی دینامیک فرآیند فرزکاری با بار جانبی کم می‌باشد. روش TFEA امکان مدلسازی فرکانس های Flip و Hopf را در شرایط فرزکاری با بارجانبی کم فراهم می آورد. این فرکانس ها به شدت بر روی دالان‌های پایداری فرآیند موثر می‌باشند. بدین ترتیب مدلسازی نیرویی انجام شده با این روش، تاثیرات فرکانس های مذکور را لحاظ می‌کند. در این شبیه‌سازی، اثر خروج از مرکزی ابزار در نظر گرفته شده است. به منظور تایید صحت مدل ارائه شده، تعدادی آزمایش فرزکاری نمونه بر روی دیواره آلومینیومی‌ از جنس 6T-7075 با استفاده از ابزار فرز انگشتی از جنس HSS انجام شده‌اند. پارامترهای مقایسه شده بین مدل شبیه سازی و آزمایش های تجربی شامل نیروی برشی، الگوی کیفی بافت سطح و مقدار کمی زبری سطح می‌باشند. نتایج آزمایشگاهی نشان می‌دهند که مدل ارائه شده با دقت بسیار خوبی می‌تواند دامنه نیرو، بافت سطح و مقدار زبری سطح را تعیین نماید. 

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی تورم با استفاده از رهیافت سری های زمانی

امروزه، پیش­بینی متغیرهای کلان اقتصادی از جمله نرخ تورم، از اهمیت ویژه­ای برای سیاستگذاری و برنامه ریزی های اقتصادی برخوردار شده است. در این راستا در دهه های اخیر، مدل­های پیش­بینی گوناگونی برای نرخ تورم مطرح شده اند. در این مقاله، با استفاده از سری زمانی نرخ تورم اعلام شده از سوی مرکز آمار ایران (از اسفند ۱۳۸۲ تا آذر ۱۳۹۳)،  مدل (۲،۲،۳)arima انتخاب شد. بعد از تصریح مدل، ابتدا پیش بینی درون نمو...

full text

پیش بینی بار کوتاه مدت با استفاده از تجزیه سری زمانی بار وشبکه عصبی

چکیده پیش بینی بارکوتاه ‌مدت یک فرآیند پایه در بهره برداری سیستم‌های قدرت محسوب می‌شود. بسیاری از توابع بهره‌برداری نظیر آرایش تولید، پخش بار اقتصادی، ارزیابی ایمنی و هماهنگی آبی حرارتی به پیش‌ینی بار کوتاه‌مدت وابسته می‌باشند. در طی سه دهه اخیر روش های مختلفی برای پیش‌بینی بار کوتاه ‌مدت ارائه شده و نرم‌افزارهای صنعتی متعددی نیز بر پایه این روش ها تهیه شده‌اند. از جمله این روش ها می‌توان به ان...

full text

پیش بینی دبی جریان رودخانه با استفاده از داده کاوی و سری زمانی

شبیه­سازی جریان رودخانه به‌منظور آگاهی از دبی رودخانه در دوره‌های زمانی آینده از مسائل مهم و کاربردی است. با توجه به اهمیت اطلاع از دبی جریان در سال­های آینده، در این مطالعه دبی جریان در سه ایستگاه حاجی‌قوشان، قره‌شور و تمر در حوضۀ آبخیز گرگانرود برای سال­های آبی 90-1381 شبیه­سازی شد. به‌منظور شبیه­سازی از روش آماری سری زمانی در قالب الگوی اتورگرسیون (AR) و داده‌کاوی در قالب ماشین بردار پشتیبان...

full text

پیش بینی شاخص بورس تهران با استفاده از سری زمانی فازی بر اساس تعریف نرخ بازده

در سالیان اخیر تحقیقات گسترده ای برروی مدل ها ی سری زمانی فازی انجام شده است اما در بسیاری از این تحقیقات، همواره فضای مسئله و بازه های مربوطه، بر اساس سطوح داده ها ی سری زمانی تعیین شده است. در این تحقیق با نگاهی جدید به تعیین فضای مسئله و استفاده از مفهوم نرخ بازده در بازارهای مالی، نوع جدیدی از فضای مسئله بر اساس نرخ بازده برای کاربرد در بازار های مالی و پیش بینی سری های زمانی مالی ارائه شده...

full text

پیش بینی و بررسی متوسط دمای ماهانه با استفاده ازمدل‌های سری زمانی

دما یکی از مهم‌ترین پارامترهای هواشناسی است که در بسیاری از مطالعات مورد استفاده قرار می‌گیرد. این پارامتر در بررسی‌های تغییر اقلیم و کشاورزی از اهمیت ویژه‌ای برخوردار است، بطوری که افزایش درجه حرارت یکی از مسائل مهم زیست‌محیطی بشر به حساب می‌آید. بنابراین بررسی و پیش‌بینی تغییرات آن در دوره دراز مدت می‌تواند بر مدیریت صحیح منابع آب و خاک و تامین نیاز آبی گیاهان موثر باشد. در این مطالعه با استف...

full text

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 14  issue 1

pages  57- 72

publication date 2012-09

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

No Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023