پیش بینی زبری سطح آلیاژ فولاد AISI H۱۳ بر اساس متغیرهای برشی تراشکاری با استفاده از شبکه عصبی مصنوعی

  • سال انتشار: 1402
  • محل انتشار: بیستمین همایش ملی و نهمین کنفرانس بین المللی مهندسی ساخت و تولید ایران
  • کد COI اختصاصی: ICME20_125
  • زبان مقاله: فارسی
  • تعداد مشاهده: 278
دانلود فایل این مقاله

نویسندگان

مبین صیادی کلمی

دانشجوی کارشناسی ارشد، مهندسی مکانیک گرایش ساخت و تولید، دانشگاه علم و صنعت ایران

بهنام داودی

دانشیار، رشته تخصصی، مهندسی مکانیک گرایش ساخت و تولید، دانشگاه علم و صنعت ایران

چکیده

در عملیات های ماشین کاری، انتخاب بهینه مولفه های عملیات نقش بسیارمهمی در کمینه کردن خطاهای ماشین کاری شامل: شکست ابزار، سایشابزار، کنترل کیفیت، کاهش زبری سطح و همچنین افزایش نرخ برداشتبراده و به تبع آن افزایش سرعت تولید و کاهش هزینه های تولید دارد.امروزه رویکرد های متنوعی جهت بهینه سازی و کنترل این مولفه ها اتخاذگشته است. یکی از روش های نوین بکار رفته در این حوزه، استفاده از مدلیادگیری ماشین است که ذیل آن میتوان مدلهای مبتنی بر شبکهه ایعصبی را نام برد که این روش ها در مسائل مربوط به رگرسیون کاربرد دارند.در پژوهش پیشرو با استفاده از مدل مبتنی بر یادگیری ماشین شبکه عصبیمصنوعی زبری سطح در فرآیند تراشکاری با میانگین مربعات خطا ۰.۰۲۶پیش بینی شد.

کلیدواژه ها

ماشین کاری ، یادگیری ماشین، تراشکاری، هوشمصنوعی ، زبری سطح

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.