چکیده مقاله
در این مقاله، از طریق شبکه عصبی مصنوعی، معیاری برای پیش بینی و کنترل زبری سطح فولاد 1 7225 در دستگاه تراش CNC ارائه شده است به منظور دستیابی به داده های آموزش و تست شبکه عصبی مصنوعی، آزمایش هایی با استفاده از دستگاه تراش CNC انجام گرفت پارامترهای بکار رفته در آزمایش ها به سه پارامتر عمق برش، سرعت برشی و نرخ پیشروی در چهار سطح محدود شدند سایر پارامترها، با توجه به اهمیت کمتر ثابت در نظر گرفته شده اند بر مبنای طراحی آزمایش تاگوچی، تعداد آزمایش ها بصورت منطقی تعیین و نتیجه ی آن برای آموزش شبکه عصبی استفاده شد نتایج حاصل از پژوهشف حاکی از آن است که نرخ پیشروی پارامتری غالب است، و با افزایش آن، زبری سطح به سرعت زیاد می شود همچنین زبری سطح با افزایش سرعت برش، کاهش یافته و عمق برش نیز بر کیفیت سطح تأثیر کمتری دارد با بکارگیری شبکه عصبی مصنوعی، ارتباط دقیق بین پارامترهای ماشینکاری و زبری سطح حاصل شده است؛ لذا از این طریق ضمن مدلسازی زبری سطح، پیش بینی قابل قبول زبری سطح بر اساس پارامترهای تراشکاری، پیش از انجام عملیات ماشینکاری امکان پذیر شده است
کلیدواژه‌ها
نویسندگان
مهدی حقی
دانشجوی کارشناسی ارشد گروه مکانیک، واحد خمین، دانشگاه آزاد اسلامی، خمین، ایران
حامد معصومی
استادیار گروه مکانیک، واحد گلپایگان، دانشگاه آزاد اسلامی، گلپایگان، ایران
سیدیاسر میرباقری
استادیار گروه مکانیک، واحد گلپایگان، دانشگاه آزاد اسلامی، گلپایگان، ایران
شیوه ارجاع
�قی، مهدی و معصومی، حامد و میرباقری، سیدیاسر،1399،مطالعه ی تجربی تأثیر پارامترهای ماشینكاری بر کیفیت سطح در فرایند تراشكاری فولاد 1.7225 با استفاده از شبكه عصبی مصنوعی،چهارمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام،تهران
ارائه‌شده در
مجموعه مقالات چهارمین کنفرانس بین المللی تحقیقات بین رشته ای در مهندسی برق، کامپیوتر، مکانیک و مکاترونیک در ایران و جهان اسلام20 اسفند 1399 · تهران