TAGUCHI OPTIMIZATION OF PROCESS PARAMETERS IN FRICTION STIR LAP WELDING OF POLYPROPYLENE COMPOSITE
محل انتشار: دوازدهمین کنفرانس ملی مهندسی ساخت و تولید ایران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,107
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ICME12_094
تاریخ نمایه سازی: 25 شهریور 1392
چکیده مقاله:
This paper presents the numerical and experimental investigations conducted to evaluate the effect of friction stir welding process parameters such as tool rotational speed, welding speed and tilt angle on tensile-shear strength of friction stir lap welds of polypropylene composites with 20% glass fiber. Taguchi parametric design and optimization approach were used. The experiments were conducted according to combinations of process parameters using the Taguchi orthogonal table L9 in a randomized way. Using analysis of variance and signal to noise ratio of robust design, effect of process parameters on tensile-shear strength of friction stir welds are evaluated and optimum welding condition for maximizing tensile-shear strength is determined. The results indicate that the rotational speed, welding speed and tilt angle are respectively the significant parameters in deciding the tensile-shear strength of the joint. The optimum values of these parameters were also determined to produce highest weld strength.
کلیدواژه ها:
نویسندگان
H Ahmadi
PG student, Faculty of Mechanical Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran
N. B. Mostafa Arab
Assist. Prof., Faculty of Mechanical Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran
F Ashenai Ghasemi
Assist. Prof., Faculty of Mechanical Engineering, Shahid Rajaee Teacher Training University, Tehran, Iran
R. E. Farsani
Assist. Prof., Faculty of Mechanical Engineering, K. N. Toosi University of Technology, Tehran, Iran
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 :