انتخاب بهینه پارامترهای ماشینکاری با استفاده از روش gonns

تعیین پارامترهای ماشینکاری بهینه مسیله ای است که صنایع تولیدی برای مدتی در حدود یک قرن با آن مواجه بوده اند و هنوز هم موضوع تحقیقیات گسترده ای است. انتخاب پارامترهای ماشینکاری در اکثر مراکز تولیدی و کارخانجات صنعتی بر اساس تجربیات افراد تراشکار و از روی جداول پیشنهادی شرکتهای سازنده ابزارهای برش صورت می گیرد. معمولا این اعداد جهت هدف خاصی از ماشینکاری پیشنهاد نشده اند و اغلب با در نظر گرفتن شرایط ایده ال و یا شرایط حاکم مربوطه بصورت محافظه کارانه حاصل شده اند. بنابراین این اعدد کاملا دقیق و مطمین نموده و از طریق آنها نمی توان هیچگونه کنترل دقیقی در مورد هزینه تولید زمان تولید، عمر ابزار، صافی سطح و ..داشت. در اکثر اوقات ارایه یک رابطه تحلیلی و با تجربی با ضرایب مناسبف که شرایط بهینه ماشینکاری را برای یک جنس قطعه کار و ابزار در نظر گرفته شده محاسبه کند، بسیار سخت و پیچیده می باشد. به عبارت دیگر توسعه مدلسازی و تعیین رابطه بین پارامترهای ماشینکاری مستقل (سرعت برشی، سرعت پیشروی عمق برش و عرض درگیری) و متغیرهای ماشینکاری وابسته (صافی سطح، نرخ برداشت ماده، نیروهای ماشینکاری و ...) دو هر ترکیب خاص از جنس ابزار و قطعه کار وایجاد یک پایگاه داده بزرگ، فرآیندی بسیار وقت گیر و هزینه بر می باشد. روش پیش بینی توسط شبکه های عصبی و بهینه سازی بوسیله الگوریتم ژنتیک( ..) به طور همزمان برای تعیین پارامترهای ماشینکاری بهینه زمانی پیشنهاد می شود که داده های تجربی از فرآیند ماشینکاری در دسترس باشد و ضمنا هیچ رابطه تحلیلی و یا مدل ریاضی برای بیان متغیرهای این فرایند در دسترس نباشد. این مدل می تواند رابطه بین پارامترهای ماشینکاری مستقل و متغیرهای ماشینکاری وابسته به این پارامترها را بوسیله شبکه های عصبی پیش بینی کند و پارامترهای بهینه ماشینکاری را بوسیله الگوریتم ژنتیک تعین نماید. در این پروژه پیش بینی متغیرهای ماشینکاری بهینه در عملیات فرزکاری کف تراشی در حالتهای پرداخت کاری و خشن کاری انجام گرفته است . در حالت پرداخت کاری آزمایشات تجربی جهت آموزش و تست شبکه های عصبی و با توجه به محدوده پیشنهادی کاتالوگ ابزار شرکت سازنده انجام گرفته است. این شبکه ها قادر به پیش بینی مقادیر صافی سطح و نیروهای ماشینکاری با دقت بالا می باشند. در این حالت جهت پیش بینی مقدار بهینه صافی سطح از الگوریتم ژنتیک تک هدفه استفاده شده است. همچنین برای پیش بینی مقادیر صافی سطح و عمر ابزار بهینه الگوریتم ..بعنوان یکی از کارامدترین روشهای بهینه سازی چندهدفه به جهت ماهیت چندهدفه بودن فرآیند بهینه سازی برای تولید یک مجموعه جواب بهینه (بهینه پرتو) استفاده شده است. آزمایشات انجام شده در این بخش در سه سطح و براساس روش فاکتوریل کامل ( 81 آزمایش ) برای رسیدن به دقت بیشتر و پیش بینی دقیق تر پارامترهای خروجی انجام شده است. در حالت خشن تراشی آزمایشات تجربی برای اندازه گیری نیروهای ماشینکاری و استفاده از این داده ها برای آموزش و تست شبکه و در نهایت پیش بینی نیروهای ماشینکاری انجام شد. سپس از الگوریتم ژنتیک تک هدفه جهت پیش بینی مقدار ماکزیمم نرخ برداشت ماده با در نظر گرفن محدودیت توان ماشین ابزار استفاده شد. در این بخش جهت کاهش هزینه آزمایشات از ابزار و قطعه کار از روش طراحی آزمایش تاگوجی و آنالیز داده ها استفاده شد. همچنین پارامترهای موثر بر مقدار نیروها و درصد اهمیت آنها بوسیله روش آنالیز واریانس تعیین گردید. در انجام آزمایشات مربوطه از جنس قطعه کار ..که یک فولاد آلیاژی زنگ نزن بوده و دارای کاربرد وسیعی در صنایع هوا فضا توربین سازی شیمیایی و .. می باشد این فولاد در حال حاضر در ساخت پره توربین های گازی مورد استفاده قرار می گیرد.