بهینه سازی پارامترهای برشکاری آلومینیوم 7075 با جت آب همراه با ذرات ساینده به روش شبکه عصبی- الگوریتم ژنتیک

در این پژوهش، روش شبکه عصبی - الگوریتم ژنتیک برای بهینه سازی زبری سطح در برشکاری آلومینیوم 7075 توسط فرایند جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل سازی و پیش بینی زبری سطح با توجه به پارامترهای فرایند شامل سرعت پیشروی، نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار استفاده شده است. در شبکه عصبی به کار رفته در این تحقیق دو لایه پنهانی وجود دارد که در لایه اول 100 نرون و در لایه پنهانی دوم 30 نرون قرار گرفته است.مقایسه نتایج به دست آمده از مدل شبکه عصبی با نتایج به دست آمده از آزمایش های انجام گرفته نشان می دهد که مدل شبکه عصبی دقت خوبی برای پیش بینی زبری سطح دارد. سپس از الگوریتم ژنتیک جهت بهینه سازی مدل پیشنهادی استفاده و شرایط بهینه به دست آمده برای کمترین زبری سطح برش خورده در برشکاری آلومینیوم توسط فرایند جت آب همراه با ذرات ساینده به روش شبکه عصبی - الگوریتم ژنتیک ارایه شده است. زبری سطح به دست آمده از بهینه سازی 2/161 میکرومتر می باشد که نشان از عملکرد مناسب الگوریتم دارد.

کلیدواژه ها:

برشکاری جت آب همراه با ذرات ساینده ، بهینه سازی ، شبکه عصبی ، الگوریتم ژنتیک