تعیین دمای مقطع ماشین کاری شده قطعه درحین فرآیند فرزکاری با استفاده از شبکه های عصبی مصنوعی

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 747

فایل این مقاله در 8 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:

ICME12_136

تاریخ نمایه سازی: 25 شهریور 1392

چکیده مقاله:

اطلاع از دمای مقطع ماشین کاری شده قطعه در حین فرآیند فرزکاری از جنبه کیفیت فرزکاری و عمرابزار حائز اهمیت می باشد.درکارحاضردمای مقطع فرزکاری با استفاده از شبکه های عصبی مصنوعی با توجه به دمای نقاط مشخصی از قطعه کار و مختصات نقاط و پارامتر قطر تیغه فرز محاسبه و تعیین شده است.ابتدا مدل سه بعدی قطعه کار در نرم افزار گمبیت ساخته شده است، به این صورت که ابتدا هندسه و سپس مش بندی شبکه انجام شده است. سپس با استفاده از نرم افزار فلوئنت و شبیه سازی دما در نقاط مختلف قطعه کار در شرایط پایا و همچنین با تعیین شرایط مرزی، جنس، معادله مورد استفاده برای حل، مقدار دهی اولیه و تکرار برای رسیدن به همگرایی مشخص شده است. نتایج حاصل از این نرم افزار که به ازای z و y و x مختلف دماهای آن نقاط می باشد. به عنوان داده های آموزش شبکه عصبی مصنوعی به کار گرفته شده است. تا رفتار بین داده ها توسط شبکه فرا گرفته شود. با استفاده از مهندس معکوس و دادن z و y و x مورد نظر و قطر تیغه فرز به عنوان ورودی شبکه، دمای سطح فرز کاری توسط شبکه عصبی پیش بینی و به عنوان خروجی ارائه شده است.همچنین دراین مطالعه و در کارآزمایشگاهی اطلاعات دمایی 4 گره مورد نظر توسط ترمومتر 4 کاناله مدل TM903A ،Lutron با دقت اندازه گیری 0.1 درجه کلوین و با استفاده از ترموکوپل نوع K و کامپیوتر اندازه گیری شده است. سپس با روش برون یابی و با استفاده از نرم افزار table.curve دمای مقطع فرزکاری در حالت آزمایشگاهی به دست آمده است. نتایج بااطلاعات تئوری بدست آمده مقایسه شده و مورد بحث قرار گرفته است.درنهایت نتیجه گیری شده است که روش شبکه های عصبی مصنوعی به صورت کدهای برنامه نویسی روش مناسب مؤثری برای بدست آوردن دمای مقطع فرزکاری می باشد.

نویسندگان

سید یاسر رضایی

دانشجوی کارشناسی ارشد،مهندسی مکانیک ، دانشگاه آزاد اسلامی واحد شیراز

علیرضا تهور

استادیار دانشکده مهندسی مکانیک ، دانشگاه آزاد اسلامی واحد شیراز

احمد افسری

استادیار دانشکده مهندسی مکانیک ، دانشگاه آزاد اسلامی واحد شیراز

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 :
  • S.A. Kalogirou, Applications of artificial neural-networs for energy system s, ...
  • A.Hasiloglu, M .Yilmaz, O .Comakli and I _ Ekmekc i, ...
  • _ _ using adaptive neuo _ Mathematics and _ _ ...
  • Jian Wu, Rong Di Han, A new approach to predicting ...
  • نمایش کامل مراجع