بررسی تاثیر پارامترهای فرآیند ماشینکاری بر کیفیت سطح فولاد زنگ نزن و مقاوم به حرارت AISI 321 به وسیله شبکه عصبی مصنوعی

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 887

فایل این مقاله در 5 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:

JCCEM01_018

تاریخ نمایه سازی: 25 اسفند 1392

چکیده مقاله:

صافی سطح یکی از متغییرهای مهم ماشینکاری می باشد چون کیفیت سطح از مواردی می باشد که همیشه مورد توجه مصرف کنندگان می باشد. پس محققان همیشه سعی در یافتن پارامترهای بهینه برای بهتر شدن صافی سطح می باشند، در این پژوهش یک شبکه عصبی مصنوعی برای پیش بینی صافی سطح در عملیات کف تراشی با دستگاه فرز ارائه شده است. برای بدست آوردن داده هایی که برای آموزش و تست شبکه عصبی استفاده شدند، آزمایش هایی با استفاده از دستگاه فرز NC انجام گرفت. در این مقاله از ابزار کاربایدی روکش دار PVD (SPKN1203) با گریدی که مخصوص عملیات پرداخت فولادهای آستنیتی است استفاده شده است. پارامترهای استفاده شده در آزمایش ها چهار پارامتر سرعت برشی، نرخ پیشروی، عمق برشی و عرض درگیری ابزار در نظر گرفته شدند. برای انجام آزمایش ها از روش فاکتوریل کامل ( فول فاکتوریل) برای مطالعه کلیه فاکتورها استفاده شده است. با توجه به این چهار پارامتر ورودی مورد مطالعه هر کدام در سه سطح در نظر گرفته شده است، تعداد آزمایش ها جمعا 81 آزمایش برای خروجی مورد نظر می باشد که یک شبکه عصبی چند لایه ایجاد شد و آموزش دید. این شبکه دارای دو لایه پنهان که هرکدام 7 نرون دارد می باشد و خروجی این شبکه Ra(میانگین زبری) می باشد. در پایان نتایج بدست آمده از شبکه عصبی با مقادیر واقعی مقایسه گردید.

کلیدواژه ها:

فرز کاری فولاد آستنیتی AISI 321 - صافی سطح – شبکه عصبی مصنوعی

نویسندگان

بهنام سلیمانی

دانشجوی کارشناس ارشدمکانیک

پیام سراییان

استادیارمکانیک

مهدی اخوان فرید

دکترامکانیک

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 :
  • کاتالوگ الماسه ساز فرز .1501 ...
  • شاهکار، غ، طرح و تحلیل آزمایش ها، مرکز نشر دانشگاهی، ...
  • فروزان، م، ر، نیرومند، م، ر، روش های نوین بهینه ...
  • نورالنساء، ر، کنترل کیفیت آماری، انتشارات دانشگاه علم _ صنعت، ...
  • Zhao Xingzhang, Liu Jiajun, Zhu Baoliang, Miao Hezhou, Luo Zhenbi, ...
  • K. A. Abou- El-Hossein, Z. Yahya, "High-speed end milling of ...
  • J. C. Hamann, F. Le Maitre, D. Guillot, "selective transfer ...
  • T. L. Selinder, M. E. Sjostrand, M. Nordin, M. Laesson, ...
  • M. Nordin, R. Sundstrom, T. I. Selinder, S. Hogmark, "Wear ...
  • multilayered PVD TiN/TaN coated tools when milling austenitic stainless steel", ...
  • Jukka paro. Hanna hanninen, veijo ...
  • X5CrMnN1 818 stainless steel"jourmal of material processing technology, No. I19, ...
  • Deng Jian Xin, Zhou Jiantou, Zhang Hui, Yan Pei, "Wear ...
  • J. L. Endrino, G. S. Fox-Rab inovich, C .Gey, "Hard ...
  • austenitic stainless steel", Journal of surface & coating technology, No. ...
  • P. G. Benardos, G. C. Vosniakos, "Prediction of surface roughness ...
  • . A. El. Sonbaty, U. A. Khashaba, A. I. Selmy, ...
  • Ilhan Asilturk, Suleyman Neseli, "Multi response optimization of cnc turning ...
  • Ilhan asilturk, "predicting surface roughness of hardened AIS 1040 based ...
  • regression "manufacturing technology, No.63. pp.249- 257, 2012. ...
  • Azlan Mohd Zain, Habibollah Haron, Sultan Noman Qasem, Safian Sharif, ...
  • نمایش کامل مراجع