فرآیند هیدروفرمینگ یکی از روش های شکل دهی با استفاده از سیال بعنوان محیط انعطاف پذیر است که برای شکل دهی قطعات متنوع توخالی مورد استفاده قرار می گیرد. هیدروفرمینگ ورق فرآیندی است که در آن سیال تحت فشار جایگزین قالب می شود. این تکنولوژی دارای مزایای فراوانی چون نسبت کشش و دقت ابعادی بالا، صافی سطح مناسب و قابلیت شکل دهی قطعات پیچیده می باشد. در این پژوهش با استفاده از روش شبیه سازی اجزای محدود توسط نرم افزارabaqus و آزمایشات تجربی،اثر تغییرات زاویه ناحیه مخروطی مورد مطالعه قرار گرفت. این عامل از مهمترین پارامترهای هندسی در فرآیند هیدروفرمینگ قطعات مخروطی به شمار می رود. تاثیر زاویه مخروطی بر پارگی، گلویی شدن و حداقل مقدار ضخامت قطعات مخروطی از ورق مسی خالص (cu %9/99) با ضخامت mm5/2 بررسی شد. سپس تأثیر تغییرات زاویه مخروطی بر نسبت کشش بررسی و نسبت کشش حدی (ldr) در زوایای مخروطی مختلف تعیین گردید. جهت بررسی تاثیر تغییرات زاویه مخروطی بر کیفیت قطعات شکل داده شده، مسیرهای فشار با سطوح فشار نهایی مختلف مورد بررسی قرار گرفت. نتایج نشان داد که افزایش زاویه ناحیه مخروطی سبب کاهش سطح فشار کمینه شکل دهی می گردد به طوری که در قطعه مخروطی 75 درجه، فشار کمینه شکل دهی به صفر می رسد. همچنین مشاهده شد که کمترین نسبت کشش حدی 2/3 و مربوط به قطعه مخروطی 30 درجه می باشد و با افزایش زاویه مخروطی نسبت کشش حدی افزایش یافته و در قطعه مخروطی 90 درجه به بیشترین مقدار خود یعنی 3/5 می رسد و سپس با یک کاهش بسیار جزیی بصورت افقی باقی می ماند. هماهنگی قابل قبولی بین نتایج حاصل از شبیه سازی و نتایج تجربی دیده شد به طوری که نتایج تجربی به دست آمده صحت نتایج شبیه سازی را تایید می کند.

امروزه، با توجه به مزایای فراوانی که در فرآیند هیدروفرمینگ وجود دارد، این فرآیند مورد توجه بسیاری از صنایع قرارگرفته است. فرآیند هیدروفرمینگ یکی از روش های شکل دهی است که با استفاده از سیال به عنوان محیط انعطاف پذیر، جهت شکل دهی ورق های مخروطی به کار می رود. این عمل در یک یا چند مرحله انجام شده و خواص مکانیکی و دقت ابعادی مناسب به همراه توزیع ضخامت قابل قبول ارایه می دهد. در این پژوهش، با استفاده از کد اجزای محدود، شبکه های عصبی و الگوریتم بهینه سازی اجتماع ذرات (particle swarm optimization)، به بهینه سازی شکل سنبه ی پیش فرم برای رسیدن به بهترین توزیع ضخامت در سراسر قطعه ی مخروطی فرم یافته پرداخته شده است. در گام اول، مدل اجزای محدود فرآیند با نتایج آزمایشگاهی اعتباربخشی گردید. سپس از شبکه عصبی برای مدل کردن فرآیند به عنوان مدل جانشین اجزای محدود استفاده شده و خروجی های بیشتری استخراج گردید. در ادامه این شبکه بعنوان تابع ارزیابی در الگوریتم بهینه سازی pso بکار گرفته شده و شکل سنبه پیش فرم بهینه سازی شد. نتایج نشان داده است که تطابق قابل قبولی بین مقدار پیش بینی شده توسط الگوریتم pso بر مبنای شبکه عصبی و شبیه سازی اجزای محدود وجود دارد. واژه های کلیدی : هیدروفرمینگ، قطعات مخروطی، شبکه های عصبی، الگوریتم pso، بهینه سازی