بهینه سازی ماشینکاری سوپرآلیاژها (اینکونل 738)باشبکه عصبی و الگوریتم ژنتیک
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت دبیر شهید رجایی - دانشکده مهندسی مکانیک
- author لیلا ایمانی
- adviser بهنام داودی علی رحمانی هنزکی محمد رضا نخعی
- publication year 1391
abstract
سوپرآلیاژ پایه نیکل به علت پایداری و استحکام در دماهای بالا و همچنین مقاومت زیاد در برابر تغییر شکل، خزش، خوردگی و اکسیداسیون، کاربرد گسترده در صنایع هوایی، نیروگاهی و نظامی و پره کمپرسور توربین گازی دارد که در سال های اخیر مورد توجه مهندسین و صنعتگران قرار گرفته است. سوپر آلیاژ اینکونل 738 یکی از پرکاربردترین سوپرآلیاژهای پایه نیکل در ساخت قطعات توربین های گازی می باشد که ماشنیکاری این سوپرآلیاژ به دلیل نرخ بالای کار سختی، با مشکلاتی همراه است. برای آنکه یک فرآیند فرزکاری از نظر اقتصادی بهینه باشد، باید کیفیت سطح قطعه کار مطلوب و عمر ابزار بیشینه نیروی ماشینکاری حداقل باشد. با توجه به تاثیرگذار بودن پارامترهای فراوان، اصولا وقاعدتا این کار نیازمند ضابطه ی برای بهینه سازی مشخصات خروجی با توجه به پارامترهای ورودی ماشینکاری است. انتخاب پارامترهای ماشینکاری با سعی و خطا ، وقت و هزینه زیادی را می طلبد و ممکن است سطح حاصل از ماشینکاری نیز کیفیت مطلوب را نداشته باشد. در این پژوهش اثر تغییر در پارامترهای ماشینکاری مانند سرعت برشی، نرخ پیشروی، عمق برش محوری، حضور و عدم حضور سیال خنک کننده بر روی اینکونل 738 مورد بررسی قرار گرفته و پس از انجام آزمایشات، نیروی ماشینکاری و زبری سطح به عنوان دو خروجی بسیار مهم فرایند مورد تحلیل قرار گرفته است. امروزه استفاده از هوش مصنوعی برای بهینه سازی و پیش بینی فرایندهای مختلف کاربرد فراوانی پیدا کرده است و نتایج بسیار خوبی را در مقایسه با روش های دیگر از خود نشان داده است. به همین دلیل در این پژوهش با استفاده از الگوریتم ژنتیک پارامترهای بهینه ماشینکاری برای دو متغییر خروجی مشخص گردیده است بطوریکه استفاده از الگوریتم ژنتیک برای بهینه سازی نیرو، کاهش مقدار آن را به میزان 7/6درصد نشان می دهد مقدار بهینه نیروی کلی که توسط برنامه بهینه سازی الگوریتم متلب معرفی شد 3/434 نیوتن می باشد. در صورتی که حداقل نیرو در داده های آزمایش با همان سطوح آزمایش 441است. برای بررسی نهایی پس از انجام تست حاصل از الگوریتم ژنتیک نتیجه نیروی کل این مقدار حاکی از کاهش7/6درصدی در نیروی کل ماشینکاری بوده است . همچنین در پایان مدلسازی نیرو و زبری سطح با شبکه عصبی انجام گرفته و نتایج آن با رگرسیون مقایسه گردیده است. نتایج نشان می دهند که شبکه عصبی دارای نتایج بهتری نسبت به رگرسیون است.
similar resources
مدلسازی 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 textبهینه 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 textتعیین ثوابت معادله جانسون کوک جهت شبیه سازی فرآیند ماشینکاری با استفاده از الگوریتم بهینه سازی
مدل ماده جانسون-کوک با در نظر گرفتن اثر سخت شدگی کرنشی و نرخ کرنشی ماده و اثر نرم شدگی ماده، به عنوان پرکاربردترین مدل ماده جهت تعیین رفتار پلاستیک ماده حین شبیه سازی فرآیند ماشینکاری مورد استفاده محقیقن قرار می گیرد. تعیین تجربی ثوابت این معادله امری هزینه بر و زمان بر می باشد. در این راستا در تحقیق حاضر روش جدیدی ارائه شد که بدون نیاز به صرف زمان و استفاده از تجهیزات گران قیمت مورد استفاده قر...
full textمدل سازی و بهینه سازی واحد تولید هیدروژن با شبکه ی عصبی مصنوعی و الگوریتم ژنتیک
هدف اصلی این پژوهش، مدل سازی واحد صنعتی تولید هیدروژن براساس تبدیل متان با بخار آب با کاربرد شبکه ی عصبی مصنوعی است. عامل های دبی فراورده و انرژی مصرفی به عنوان عامل های خروجی مدل در نظر گرفته شد و دو شبکه ی عصبی مجزا برای پیش بینی این دو عامل مدنظر قرارگرفت. نتیجه های مدل سازی با دقت بسیار خوب، خطای متوسط مطلق، خطای متوسط نسبی و خطای احتمالی بین داده های واقعی کارخانه و مدل را به ترتیب برابر ب...
full textاستفاده از الگوریتم ژنتیک در بهینه سازی گروه شمعها
چکیده در اکثر پروژه‌هایی که سازه تحت بار زیاد قائم و افقی قرار دارند و یا در زمین‌هایی هستند که دارای مقاومت کافی در برابر بار وارده نمی باشند، علی‌رغم مخارج بیشتر، نیاز به اجرای شمع می‌باشد. پی شمعی بسیار پر هزینه تر از پی‌های سطحی منفرد و گسترده است بنابراین باید در تعیین تعداد، ابعاد و فواصل شمع ها دقت زیادی شود تا این پارامترها بیش از حد مورد نیاز تعیین نشوند. به منظور طراحی بهینه گروه شمع...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت دبیر شهید رجایی - دانشکده مهندسی مکانیک
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023