بهینه سازی پیش فرم آهنگری داغ پره با استفاده از شبکه عصبی و الگوریتم ژنتیک

thesis
abstract

ساخت پره ها با توجه به شکل پیچیده، دقت ابعادی بالا و نحوه جریان پیچیده ماده و ضخامت های متغیر و در بعضی موارد بسیار کم آن، حائز اهمیت بوده و از تکنولوژی بالایی برخوردار است. با توجه به شکل هندسی و جنس پره هایی که قابلیت ماشینکاری پایینی دارند و قابلیت های قطعه حاصل از فرآیند آهنگری، ساخت آنها با فرآیند آهنگری مقرون به صرفه است. در این پایان نامه فرآیند آهنگری پره بررسی شده و نکاتی که در طراحی فرآیند آهنگری باید در نظر گرفته شود، مطرح شده است. از شبیه سازی عددی به عنوان یک ابزار قدرتمند در بخش های مختلف طراحی استفاده شده است. مدل نهایی قطعه کار به صورت سه بعدی با استفاده از نرم افزارsolidworks مدل سازی شده است. با استفاده از این اطلاعات، حفره قالب نهایی طراحی شده است. با توجه به اینکه نمی توان این قطعه را در یک مرحله آهنگری تولید نمود و نیاز به قالب های پیش فرم است، ابتدا یک هندسه اولیه برای پیش فرم در نظر گرفته شد و با استفاده از شبکه عصبی و الگوریتم ژنتیک این مدل بهینه سازی شد. برای شبیه-سازی فرآیند از نرم افزار deform-3d استفاده گردید. پارامترهای مختلفی مانند پر شدن حفره قالب، توزیع کرنش، حجم پلیسه و نیروهای آهنگری مورد بررسی قرار گرفتند. پس از به دست آوردن هندسه پیش فرم که با استفاده از آن ها شکل نهایی قطعه کار بدون عیب به دست آمد برای تأیید نتایج شبیه سازی ها نیز از مدل سازی فیزیکی توسط سرب استفاده شد که با نتایج شبیه سازی مطابقت داشت. نتایج نشان می دهد که روش ارائه شده برای طراحی و بهینه سازی پیش فرم نسبت به روش خطوط هم پتانسیل باعث کاهش حجم پلیسه، کاهش نیروی آهنگری و یکنواخت تر شدن کرنش ها می شود. نتایج تست های تجربی نشان می دهد که نمونه های آهنگری شده از لحاظ شکل ظاهری سالم بوده و نتایج عددی تطابق خوبی را با نتایج تجربی نشان می دهد. تاکنون روش های مختلفی برای طراحی پیش فرم پره استفاده شده است، اما در هیچ یک از آنها عمل بهینه سازی انجام نشده که این یکی از نوآوری های این پایان نامه بوده است.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

بهینه سازی پیش فرم آهنگری پره توربین با استفاده از روش سطوح پاسخ

یکی از روش های تولید پره ها آهنگری است. اما با توجه به پیچیدگی های پره امکان تولید آن در یک مرحله وجود نداشته و در نظر گرفتن پیش فرم برای آن لازم است. پیش فرم مناسب می تواند پر شدن کامل قالب را تضمین کرده و موجب کاهش نیروی آهنگری، کاهش مواد هدر رونده به صورت پلیسه و یکنواخت شدن کرنش¬ها شود. در این مقاله یک هندسه اولیه برای پیش فرم، با استفاده از سطح مقطع بیضوی برای قسمت ایرفویل، در نظر گرفته شد...

full text

بهینه سازی شبکه عصبی MLP با استفاده از الگوریتم ژنتیک موازی FinGrain برای تشخیص سرطان سینه

امروزه استفاده از سیستم‌های هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستم‌ها می‌توانند به کاهش خطایی که ممکن است توسط کارشناسان کم‌تجربه اتفاق بیافتد، کمک کند. بدین منظور استفاده از سیستم‌های هوشمند مصنوعی در پیش‌بینی و تشخیص سرطان سینه که یکی از رایج‌ترین سرطان‌ها در بین زنان است، مورد توجه می‌باشد. در این تحقیق فرآیند تشخیص بیماری سرطان سینه با یک رویکرد دو مرحله‌ای انجام...

full text

مدل‌کردن و بهینه سازی سنتز آنزیمی کافئیک اسید فن اتیل استر با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این تحقیق، واکنش کافئیک اسید و 2- فنیل اتانول در حضور لیپاز تثبیت شده از مخمر آنتارکتیکا (نووزیم 435) به منظور تولید کافئیک اسید فن اتیل استر در سیستم ایزواکتان با استفاده از روش‌های شبکه عصبی مصنوعی و ژنتیک الگوریتم مدل سازی و بهینه گردید. بدین منظور ازیک طرح مرکب مرکزی چرخش پذیر با 4 متغیر و 5 سطح جهت مدل کردن واکنش آنزیمی به کمک شبکه عصبی مصنوعی استفاده شد. متغیرهای مستقل شامل دما، زمان، ...

full text

بهینه سازی عملکرد درهم شکستگی تیوب‌های جدار نازک اس شکل با استفاده از شبکه عصبی و الگوریتم ژنتیک

در این مقاله به مطالعه رفتار جذب انرژی سازه‌های تک جداره‌ای اس- شکل با هشت سطح مقطع مختلف از جمله مثلث، مربع، شش ضلعی، هشت ضلعی، دایروی، مستطیلی، لوزوی و بیضوی تحت بارگذاری دینامیکی محوری پرداخته شده است‌. این سازه‌ها در صنعت حمل و نقل به دلیل‌ شکل هندسی مخصوصشان در جاهایی که محدودیت مکانی ایجاب می‌کند مورد استفاده قرار می‌گیرند‌. بدلیل نسبت استحکام به وزن بالای‌ آلومنیوم، جنس سازه‌های ذکر شده ...

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 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

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023