مدل سازی زبری سطح (RA) و نرخ برداشت براده برداری (MRR) ئدر ماشین کاری تخلیه الکتریکی (EDM) با شبکه عصبی- فازی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 444

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ELEMECHCONF03_0701

تاریخ نمایه سازی: 9 مرداد 1395

چکیده مقاله:

فرایند EDM یکی از روش های پیشرفته براده برداری است که در آنولتاژ پالسی و منطق برقرار شده بین دو الکترود ابزار و قطعه کار ( که هر دو در سیالی به نام دی الکتریک غوطه ورند ) باعث ایجاد جرقه در نزدیک ترین نقطه در حدفاصل بین آن ها گردیده و هر جرقه جزء کوچکی از ماده سطح قطعه کار را جدا می کند و در نهایت بعد از تعداد زیادی جرقه شکل مکمل پیشانی ابزار در روی قطعه کار حک می گردد. مدل سازی کلاسیک از نخستین قدم خطای بزرگی مرتکب می شود که فقط در سیستمهای ساده ( خطی یا نزدیک به خطی ) قابل صرف نظر است و آن محاسبه ی شاخص های تمایل به مرکز و پراکندگی است که به این ترتیب اهمیت فردی تک تک داده ها از بین می رود و در نتیجه سیستم قادر به کشف پیچیدگی ها نخواهد بود؛ و برای اغلب مسئله های مهندسی با ویژگی های گوناگون و روابط غیرخطی قابل استفاده نمی باشد. در این تحقیق یک مدل شبکه انفیس بر مبنای داده های حاصل از مدل مقیاس آزمایشگاهی برای شبیه سازی ارائه گردیده است. برای این منظور از یک سیستم شبکه عصبی فازی استفاده شده است.

کلیدواژه ها:

ماشین کاری تخلیه الکتریکی ، شبکه عصبی- فازی

نویسندگان

مهراد معارف وند

گروه ساخت و تولید، رشته مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی، کرمانشاه، ایران

جمال صیدی

گروه مکانیک دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد کرمانشاه

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • . Konig W, Cronjager L, Spur G, Tonshoff H K, ...
  • Wang K, Gelgele H L, Wang Y, Yuan Q, Fang ...
  • Rao G K M, Janardhana G R, Rao D H, ...
  • Tavoli M A, Zadeh N N, Khakhali A, Mehran M. ...
  • Sharma V, Yadava V, Rao R. Yadava, R. Rao, and ...
  • Yousef B F, Knopf G K, Bordatchev E V, Nikumb ...
  • Yadav S K S, Yadava V. Multi-obj ective optimization of ...
  • Singh G K, Yadava V, Kumar R. Experimental study and ...
  • Agrawal S S, Yadava V. Artificial neural network modeling of ...
  • Joshi S N, Pande S S. Development of an intelligent ...
  • نمایش کامل مراجع