ولی علی میرزالو - استادیار، دانشکده مهندسی مکانیک، دانشگاه ارومیه، ارومیه
منصور کریمی تکانلو - کارشناس ارشد، دانشکده مهندسی مکانیک، دانشگاه ارومیه، ارومیه
وحید مدانلو - دانشجوی دکترا، دانشکده مهندسی مکانیک، دانشگاه ارومیه، ارومیه
علی دنیوی - استادیار، دانشکده مهندسی مکانیک، دانشگاه ارومیه، ارومیه
رامین محمدی کلیبر - کارشناس ارشد، دانشگاه جامع علمی کاربردی ایدم، تبریز

پیش بینی سایش ابزار و زبری سطح، نقش مهمی در تنظیم پارامترهای ماشین کاری و بهینه سازی آن دارد. در پژوهش حاضر سایش سطح براده ابزار و زبری سطح قطعه کار در تراشکاری فولاد ۴۱۴۰ بر حسب پارامترهای موثر ماشین کاری با روش شبکه عصبی مصنوعی مدل سازی شده است. عمق برش، سرعت برشی، سرعت پیشروی و مدت زمان عملیات به عنوان متغیرهای ورودی لحاظ شده اند. داده های لازم برای آموزش شبکه عصبی با استفاده از آزمایش های تجربی استخراج شده است. ابتدا با استفاده از روش طراحی آزمایش عاملی بهینه، آزمایش های لازم طراحی شده و پس از انجام آزمایش های تجربی، میزان سایش ابزار و زبری سطح نمونه ها اندازه گیری شده است. در ادامه با طراحی شبکه عصبی مصنوعی مطلوب و آموزش آن با داده های تجربی، مدل شبکه عصبی برای پیش بینی توابع هدف بدست آمده است. برای مدل سازی از دو نوع شبکه تغذیه رو به جلو انتشار برگشتی و تغذیه رو به جلو کاسکاد انتشار برگشتی و سه نوع الگوریتم آموزش متفاوت و تعداد گره های مختلف برای لایه پنهان استفاده شده است. نتایج نشان می دهد که هر دو نوع شبکه با تابع آموزش گرادیان مزدوج مدرج مقدار سایش ابزار و زبری سطح را با دقت خوبی پیشبینی می کنند

شبکه عصبی مصنوعی، تراش کاری، فولاد ۴۱۴۰، سایش ابزار، زبری سطح