مطالعه و بررسی برشکاری شیشه با استفاده از فرآیند برشکاری جت آب همراه با ذرات ساینده

شیشه از جمله موادی است که به علت پایداری شیمیایی و شفافیت به وفور در علوم مهندسی استفاده می گردد و می تواند بسیاری از مشکلاتی را که مهندسان با آن درگیر هستند را حل نماید. شیشه در شرایطی که نمی توان از پلاستیک و فلزات استفاده کرد به کار می رود اما تردی و شکنندگی این ماده همیشه برشکاری آن را با مشکلاتی مواجه می کند. شکست های ناخواسته، ترک های ریز و ایجاد تنش های پسماند از جمله معایب برشکاری شیشه با روش های مرسوم آن است. فرآیند برشکاری جت آب همراه با ذرات ساینده یکی از فرآیندهای پیشرفته برشکاری است که به دلیل مزایایی که نسبت به سایر فرآیندهای برشکاری دارد مورد توجه بسیاری قرار گرفته است. با آنکه استفاده از این فرآیند روز به روز در حال افزایش است اما همچنان بسیاری از جنبه های این فرآیند نیاز به مطالعه بیشتری به منظور افزایش توانایی برشکاری و بهینه سازی فرآیند برشکاری دارد. این پژوهش شامل دو بخش است. در بخش اول به مطالعه و بررسی اثر پارامترهای فرآیند برشکاری جت آب همراه با ذرات ساینده بر روی متغیرهای زبری سطح و مشخصات شکاف برش خورده در برشکاری شیشه پرداخته شده است. در این بخش از تکنیک طراحی آزمایش تاگوچی به منظور جمع آوری داده ها استفاده گردید. سپس از آنالیز واریانس برای تحلیل داده های جمع آوری شده استفاده گردیده است. همچنین با استفاده از مدل رگرسیون یک رابطه ریاضی میان زبری سطح برش خورده و متغیرهای فرآیند برشکاری جت آب همراه با ذرات ساینده ارایه شده است. در بخش دوم با استفاده از روش بهینه یابی شبکه عصبی- الگوریتم ژنتیک، شرایط برشکاری شیشه توسط برشکاری جت آب همراه با ذرات ساینده به منظور دستیابی به حداقل زبری سطح بریده شده بهینه یابی 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 گردید. سپس از الگوریتم ژنتیک جهت بهینه سازی مدل پیشنهادی مذکور استفاده و شرایط بهینه به دست آمده برای کمترین زبری سطح برش خورده در برشکاری شیشه توسط فرآیند جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی- الگوریتم ژنتیک ارایه گردیده است.