Jafarian F, Fallah M M, Dehghani S. Prediction of Tool Wear using Experimental Studies and Artificial Neural Network in Hardened Steel Machining. Modares Mechanical Engineering 2023; 23 (10) :89-93
URL:
http://mme.modares.ac.ir/article-15-72736-fa.html
1- مرکز آموزش عالی محلات
2- دانشگاه تربیت دبیر شهید رجایی
3- دانشگاه تربیت دبیر شهید رجایی ، Sajadmst94@gmail.com
چکیده: (671 مشاهده)
توانایی پیشبینی سایش ابزار در هنگام ماشینکاری بخش بسیار مهمی از تشخیص است که باعث میشود ابزار در زمان مربوطه جایگزین شود. ازاینرو، در این پژوهش از رویکرد شبکه عصبی مصنوعی برای پیشبینی سایش ابزار استفاده شد. ابتدا فولاد سختکاری شده 4140 با ابزار کاربید سیمانی بدون پوشش TCMW 16T304 H13A و با پارامترهای ورودی شامل سرعت برشی، نرخ پیشروی و زمان ماشینکاری در سه سطح مختلف و با عمق برش ثابت تراشکاری شد و میزان سایش ابزار اندازهگیری شد و از نتایج آزمایش تجربی برای آموزش و اعتبارسنجی شبکه عصبی مصنوعی استفاده شد. معماری بهینه شبکه عصبی با 3 گره در لایه ورودی، دو لایه پنهان با 12 و 36 گره به ترتیب در لایههای اول و دوم پنهان و 1 گره در لایه خروجی برای پیشبینی سایش ابزار به دست آمد. مقادیر پیشبینی مدل شبکه عصبی مصنوعی با نتایج تجربی مقایسه شد و میانگین درصد خطای دادههای اعتبارسنجی برابر با 32/3 درصد محاسبه شد.
نوع مقاله:
پژوهشی اصیل |
موضوع مقاله:
ماشینکاری دریافت: 1402/9/11 | پذیرش: 1402/7/10 | انتشار: 1402/7/10