بهینه سازی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح مینیمم با ترکیب الگوریتم ژنتیک و شبکه عصبی مصنوعی

پایان نامه
چکیده

با توسعه و پیشرفت روز افزون روشهای ماشینکاری، کاربرد روشهای بهینهسازی در فرآیندهای ماشینکاری فلزات برای بالا بردن کیفیت قطعات و رقابت در بازار ضروری و سودمند به نظر می رسد. یکی از پارامترهای مهم کیفیت قطعه ماشینکاری شده زبری سطح آن قطعه می باشد. هرچه زبری سطح قطعه کمتر باشد کیفیت سطح آن بالاتر است. در این پژوهش به مطالعه بهینه سازی پارامترهای ورودی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح مینیمم پرداخته شده است. 5 پارامتر از فرآیند فرزکاری برای مینیمم کردن زبری سطح مورد بررسی قرار گرفته است. بدین منظور، با انجام یک سری آزمایش طرح ریزی شده با تکنیک طراحی آزمایشات یک سری داده های ورودی و خروجی به دست آمده و از روش شبکه های عصبی مصنوعی برای مدلسازی فرآیند به کار رفته است. با روش آزمون خطا، معماری 1-6-8-5 به عنوان بهترین معماری برای شبکه عصبی مصنوعی که کمترین خطا را داشت انتخاب شده است. مدل شبکه عصبی مصنوعی ایجاد شده به عنوان تابع هدف الگوریتم ژنتیک به کار رفته است. الگوریتم ژنتیک با بهینه کردن مقادیر پارامترهای ورودی زبری سطح را تا 0.85 میکرومتر کاهش داده است. عملیات بهینه سازی برای سه استراتژی مسیر ابزار به صورت جداگانه اجرا شده و استراتژی چرخشی کمترین زبری را نتیجه داده است. در انتها با استفاده از روش پیش بینی تاگوچی سطوحی که دارای بیشترین نسبت سیگنال به نویز هستند به عنوان سطوح بهینه معرفی شده اند که کمترین زبری سطح را نتیجه می دهند.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بهینه‌سازی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح مینیمم با ترکیب شبکه عصبی مصنوعی و الگوریتم ژنتیک

زبری سطح یکی از پارامترهای مهم کیفیت سطح قطعه ماشین‌کاری شده است. در این پژوهش به مطالعه بهینه‌سازی پارامترهای ورودی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح مینیمم پرداخته شده است. پنج پارامتر از فرآیند فرزکاری برای مینیمم کردن زبری سطح مورد بررسی قرار گرفته است. بدین منظور، با انجام یک سری آزمایش طرح‌ریزی شده با تکنیک طراحی آزمایشات، یک سری داده‌های ورودی و خروجی به دست آمده و از روش شبکه...

متن کامل

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...

متن کامل

مدل 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...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده مهندسی

کلمات کلیدی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023