Jafarian F, Fallah M M, Dehghani S. Investigating the Effect of Machining Parameters on Surface Roughness and Machining Force using Artificial Neural Network. Modares Mechanical Engineering 2023; 23 (10) :95-100
URL:
http://mme.modares.ac.ir/article-15-72737-fa.html
1- مرکز آموزش عالی محلات
2- دانشگاه تربیت دبیر شهید رجایی
3- دانشگاه تربیت دبیر شهید رجایی ، Sajadmst94@gmail.com
چکیده: (707 مشاهده)
کنترل و بهینهسازی زبری سطح و نیروی ماشینکاری برای مواد سختکاری شده بسیار ضروری است. برای این منظور میتوان از روشهای هوشمند مبتنی بر مدلهای پیشبینی و بهینهسازی استفاده کرد. در این پژوهش پارامترهای ماشینکاری شامل سرعت برشی، نرخ پیشروی و زمان ماشینکاری توسط شبکه عصبی مصنوعی برای ارزیابی زبری سطح و نیروی ماشینکاری، در تراشکاری فولاد سختکاری شده 4140 مورداستفاده قرار گرفت. طراحی آزمایشها به روش فاکتوریل کامل در قالب 27 آزمایش صورت گرفت و از ابزار کاربید سمانته بدون پوشش TCMW 16T304 H13A در تراشکاری استفاده شد و زبری سطح و نیروی ماشینکاری اندازهگیری شد. معماری بهینه با دولایه پنهان برای مدل شبکه عصبی مصنوعی انتخاب شد و برای پیشبینی جداگانه زبری سطح و نیروی ماشینکاری استفاده شد. مقادیر پیشبینی مدل شبکه عصبی مصنوعی با نتایج تجربی مقایسه شد و میانگین درصد خطای دادههای اعتبارسنجی برای زبری سطح و نیروی ماشینکاری به ترتیب برابر با 25/4 و 11/5 درصد محاسبه شد و در انتها پارامترهای بهینه برش بهطوریکه زبری سطح و نیروی ماشینکاری در پایینترین سطح باشند، انتخاب شد.
نوع مقاله:
پژوهشی اصیل |
موضوع مقاله:
ماشینکاری دریافت: 1402/9/11 | پذیرش: 1402/7/10 | انتشار: 1402/7/10