مدل سازی نرخ براده برداری و صافی سطح در فرآیند ماشینکاری تخلیه الکتریکی به کمک شبکه عصبی پرسپترون جند لایه

سال انتشار: 1381
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 645

فایل این مقاله در 11 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:

ICME05_025

تاریخ نمایه سازی: 4 اسفند 1392

چکیده مقاله:

پیچیدگی فرآیند ماشینکاری تخلیه الکتریکی EDM سبب بی نتیجه ماندن تلاش های زیادی برای مدل سازی دقیق آن شده است .در این تحقیق از شبکه عصبی پرسپترون چند لایه MLP که با الگوریتم پس انتشار خطا آموزش داده میشود جهت مدل سازی فرآیند استفاده شده است. جریان ،ولتاژ و پریود پالس ها به عنوان ورودی و نرخ براده برداری MRR و صافی سطح Ra خروجی های شبکه میباشند. آموزش شبکه با استفاده از داده های حاصل از انجام آزمایش های مختلف با دستگاه اسپارک صورت گرفته استو در نهایت نتایج حاصل از مدل سازی با مقادیر تجربی مقایسه شده و خطاها محاسبه گردیده اند . کلیه خطاها در محدوده های قابل قبولی قرار دارند که نشانگر دقت مدل ارائه شده میباشند.

کلیدواژه ها:

ماشینکاری تخلیه الکتریکی- شبکه عصبی مصنوعی- مدل سازی

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 :
  • _ _ euralم of seها [12] Y.S .Targ, T.C. Wang. ...
  • Kuag-Hua Fuh and Shuh-Bin Wang, Force modeling and forecasting in ...
  • hetwork _ _ nt.J.Mach.Tol S Manufact.. 41 /euraچ discharge machining ...
  • IS.Hakin, Neural Networks: _ Comprehesive Foundation Macmillan, New York. _ ...
  • 8.Singh and A.CGhosh. A thermo-electrr mode of mterial removal during ...
  • _ P. Madhu. V. K.Jain .T.Sundarajan and K.P.Rajurkar. Finite element ...
  • _ J.A.McGeough, Adxanced Methods of Machin ing.Chapm an & Hall, ...
  • _ T.Warren Lia، 1 and L. _ Chen. Manufacturing process ...
  • _ Anna Zawada and Tomkiewic. _ the wer of turning ...
  • I S. K.Choud hury.V.k.Jai n and Ch.V.V.Rama Rao .On line ...
  • _ S .Purushothaman and Y.G.Srinivasa , _ back-propagat ion algorithm ...
  • S.C.Iin and C.Ting , _ wear monitoring using neural etwork, ...
  • _ S. S. Rangwala and D. A. Domfeld, Learning and ...
  • _ V.Tandon and H.El-Mounayri _ A nove1 artificial neural metworks ...
  • Y.S.Tamg.Y.W. Ilseih and S.T.Hwag Sesing tool breakage in face milling ...
  • X.Q. Li.Y.S.Wong and A.Y.C.Nee, _ comprehensive identificatio of tool failure ...
  • xvoidahce using an ART2-a heural network , Int.J .Mach.Tools Manufact.. ...
  • B. Y .Lee.Y.S.Tamg and S.C.Ma Modeling of the process damping ...
  • T.Warren Liao and L.J.Chen, _ _ approach for grinding processes: ...
  • J.Y.Kao and Y.S.Tarne. _ heural-hetwork approach for the _ monitoring ...
  • G.Indurkhya and K.P.Rajurkar, Artificial heural network approach in modeling of ...
  • Pei-Jen Wag and Kuo-Ming Tsai _ Semi-empirical mode on work ...
  • Kuo-Ming Tsai and Pei-Jen Wang . Semi-empirical _ of surface ...
  • Kuo-Ming Tsai and Pei-Jen Wang . Comparisons _ heural _ ...
  • Kuo-Ming Tsai and Pei-Jen Wang. Predictiots or surface finish i» ...
  • Y.S .Tarmg.T.C.Li and MC.Che. _ lihe drilling chatter recognition and ...
  • نمایش کامل مراجع