بهبود استحکام کششی در قطعات FDM با بهینه سازی پارامترهای فرآیند به کمک شبکه عصبی مصنوعی

نمونه سازی سریع (RP)تکنولوژی نسبتا جدیدی است که در دو دهه گذشته باعث تغییرات شگرفی در دنیای ساخت و تولید شده است .در این تکنولوژی نمونه به صورت لایه لایه مستقیما از روی فایل مدل سه بعدی آن ساخته می شود و دارای تکنیک های مختلف ساختی است که در بین آنها، فرایند FDM نقش ویژهای را ایفا می نماید. FDM فرآیندی است که شبیه اکستروژن بوده و در آن لایه ها از مواد ترمو پلاستیکی با دمایی زیر نقطه ی ذوب از طریق یک نازل اکسترود می شوند. قطعه کار با اکستروژن متوالی لایه ها ایجاد شده و هر لایه در حین شکل گیری به لایه ی قبلی خود متصل می شود و با ادامه پیدا کردن لایه ها، قطعه مورد نظر ساخته می شود. در این تحقیق ، مدلسازی فرآیند FDM با استفاده از روش شبکه های عصبی مصنوعی (پرسپترون چند لایه ) و با تکیه بر یافته های محققان پیشین و ازمایش های تجربی انجام شده است که این پارامتر ها بر اساس آنالیز اهمیت نسبی و مدلسازی حاصل از شبکه ی عصبی مصنوعی ، شامل فاصله ی هوایی ، زاویه ی نوار، جهت ساخت قطعه ، عرض نوار و ضخامت لایه می باشند. در این مدلسازی از ۵ پارامتر مذکور به عنوان ورودی و استحکام کششی مکانیکی به عنوان خروجی استفاده شد. در نهایت ساخت پنج عدد قطعه طبق استاندارد ۵۲۷ISO R، به منظور تایید نتایج حاصل از مدلسازی انجام پذیرفت که نتایجشان موید مدلسازی بود. در نهایت با مقایسه ی استحکام کششی واقعی و استحکام کششی پیش بینی ، مشخص گردید که که شبکه عصبی قادر به پیش بینی استحکام با خطای حدود ۱۰ درصد است .

کلیدواژه ها:

نمونه سازی سریع ، FDM ، استحکام کششی ، شبکه ی عصبی مصنوعی .