دوره 23، شماره 10 - ( مهر 1402 )                   جلد 23 شماره 10 صفحات 93-89 | برگشت به فهرست نسخه ها


XML English Abstract Print


1- مرکز آموزش عالی محلات
2- دانشگاه تربیت دبیر شهید رجایی
3- دانشگاه تربیت دبیر شهید رجایی ، Sajadmst94@gmail.com
چکیده:   (719 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.
متن کامل [PDF 543 kb]   (569 دریافت)    
نوع مقاله: پژوهشی اصیل | موضوع مقاله: ماشین‌کاری
دریافت: 1402/9/11 | پذیرش: 1402/7/10 | انتشار: 1402/7/10

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.