Predicting Force in Single Point Incremental Forming by Using Artificial Neural Network
محل انتشار: ماهنامه بین المللی مهندسی، دوره: 31، شماره: 1
سال انتشار: 1396
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 389
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IJE-31-1_013
تاریخ نمایه سازی: 1 اردیبهشت 1397
چکیده مقاله:
In this study, an artificial neural network was used to predict the minimum force required to single point incremental forming (SPIF) of thin sheets of Aluminium AA3003-O and calamine brass Cu67Zn33 alloy. Accordingly, the parameters for processing, i.e., step depth, the feed rate of the tool, spindle speed, wall angle, thickness of metal sheets and type of material were selected as input and the minimum vertical force component was selected as the model output. To train the model, a Multilayer perceptron neural network structure and feed-forward backpropagation algorithm have been employed. After testing many different artificial neural network (ANN) architectures, an optimal structure of the model i.e. 6-14-1 was obtained. The results, with a correlation relation between experiments to predicted force,-0.215 mean absolute error, show a very good agreement
کلیدواژه ها:
Single Point Incremental Forming ، Input variables ، ANOVA ، Vertical force component ، Artificial Neural Network ،