مقایسه روشهای بهینه سازی پارامترهای برش در عملیات ماشینکاری

این تحقیق روشی را برای تعیین پارامترهای برش بهینه به منظور مینیمم کردن زبری سطح در فرزکاری (کف تراشی) فولاد ضد زنگ x20cr13 توسط روش تاگوچی و تلفیق شبکه های عصبی با الگوریتم ژنتیک ارائه می دهد. به همین منظور مزایای، روش طراحی آزمایشات آماری، اندازه گیری های تجربی، روش تاگوچی، روش شبکه های عصبی و بهینه سازی با الگوریتم ژنتیک در ادامه بکار برده می شوند. برای این هدف 81 آزمایش روی فولاد x20cr13 انجام شده و مقادیر زبری سطح بدست آمده است. در این مطالعه از روش تاگوچی که ابزار قدرتمندی برای طراحی بهینه کیفیت است، برای تعیین پارامترهای برش بهینه در عملیات کف تراشی استفاده شده است. آرایه ی متعامد، نسبت s/n و آنالیز واریانس (anova) برای تخمین زبری سطح فولاد x20cr13 بکار برده می شوند. در این روش علاوه بر اینکه سطوح بهینه پارامترهای برش بدست می آید، پارامترهایی که بیشترین اثر را در زبری سطح نیز دارند مشخص می شوند. در روش شبکه های عصبی یک مدل پس انتشار خطا برای تخمین زبری سطح بر اساس داده های تجربی موجود ایجاد می شود، و توسط الگوریتم ژنتیک عمل بهینه سازی انجام می شود. در ادامه برای ارزیابی صحت مقدار پیش بینی شده توسط الگوریتم ژنتیک, یک آزمایش تاییدی با پارامترهای بهینه تعیین شده توسط این الگوریتم انجام می شود و مقدار واقعی صافی سطح بدست آمده, با مقدار بهینه پیش بینی شده توسط الگوریتم ژنتیک مقایسه می شود. مشخص می شود که بین مقادیر تخمین زده شده توسط الگوریتم ژنتیک و مقادیر بدست آمده از آزمایش تجربی خطای کمی وجود دارد و این شبکه ها قدرت بالایی در بهینه سازی دارند.