مدلسازی آماری و بهینه سازی نرخ براده برداری و کیفیت سطح در ماشینکاری کامپوزیت آلومینیوم در درصدهای مختلف SIC

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 81

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_MME-22-10_002

تاریخ نمایه سازی: 8 اسفند 1403

چکیده مقاله:

استفاده از آلومینیوم با ضریب تقویت شده جهت بالا بردن این ماده نسبت به آلومینیوم در صنایع صنایع خودروسازی، هواپیماسازی و لوکوموتیو کاربرد دارد، در این مقاله ضمن بررسی پارامتر های نرخ براده برداری و کیفیت سطح بر فرایند ماشین کاری آلومینیوم کامپوزیت در درصد های مختلف SIC به بررسی ویژگی های ماشین کاری عملیات فرز پایانی می پردازد تا حداقل کیفیت سطح، نیروی برش، نرخ براده برداری با حداکثر نرخ حذف مواد را با استفاده از تحلیل رابطه ای خاکستری مبتنی برروش طراحی سطح پاسخ (RSM) به دست آورد. . بیست و هفت اجرای آزمایشی بر اساس روش طراحی سطح پاسخ (RSM) با تغییر پارامترهای سرعت اسپیندل، تغذیه و عمق برش در درصد وزنی مختلف تقویت کننده ها مانند کاربید سیلیکون (SiC-۵٪، ۱۰٪، ۱۵%) انجام شد . و آلومینا (Al۲O۳-۵%) در زمینه فلزی آلومینیوم ۷۰۷۵. تجزیه و تحلیل رابطه خاکستری برای حل مسئله بهینه سازی چند پاسخ با تغییر وزن برای پاسخ های مختلف بر اساس الزامات فرآیند کیفیت یا بهره وری استفاده شد. نتایج نشان می دهد که سرعت اسپندل و درصد وزنی SiC مهم ترین عواملی هستند که بر ویژگی های ماشین کاری کامپوزیت های هیبریدی تاثیر می گذارند.

کلیدواژه ها:

End Milling ، Machining ، Aluminum Matrix Composite ، Optimization ، Surface Quality ، ماشینکاری فرزکاری ، تیغچه فرز انگشتی ، کامپوزیت آلومینیوم تقویت شده با ذرات سیلیسیم کارباید ، بهینه سازی ، کیفیت سطح

نویسندگان

وحید طهماسبی

Arak University of Technology

محمدحافظ باقی

Arak University of Technology

سپهر آئینه بندی

Arak University of Technology

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 :
  • Rajmohan T, Palanikumar K, Prakash S. Grey-fuzzy algorithm to optimise ...
  • Kılıckap E, Cakır O, Aksoy M, Inan A. Study of ...
  • Chabbi A, Yallese MA, Meddour I, Nouioua M, Mabrouki T, ...
  • Lou MS, Chen JC, Li CM. Surface roughness prediction technique ...
  • Abhang LB, Hameedullah M. Determination of optimum parameters for multi-performance ...
  • Kibria G, Doloi B, Bhattacharyya B. Experimental investigation and multi-objective ...
  • Lin CL. Use of the Taguchi method and grey relational ...
  • Dabade UA. Multi-objective process optimization to improve surface integrity on ...
  • Goel B, Singh S, Sarepaka RV. Optimizing single point diamond ...
  • Box GE, Draper NR. Empirical model-building and response surfaces. John ...
  • Ozben T, Kilickap E, Cakır O. Investigation of mechanical and ...
  • Aouici H, Bouchelaghem H, Yallese MA, Elbah M, Fnides B. ...
  • Kılıckap E, Cakır O, Aksoy M, Inan A. Study of ...
  • Chabbi A, Yallese MA, Meddour I, Nouioua M, Mabrouki T, ...
  • Lou MS, Chen JC, Li CM. Surface roughness prediction technique ...
  • Abhang LB, Hameedullah M. Determination of optimum parameters for multi-performance ...
  • Kibria G, Doloi B, Bhattacharyya B. Experimental investigation and multi-objective ...
  • Lin CL. Use of the Taguchi method and grey relational ...
  • Dabade UA. Multi-objective process optimization to improve surface integrity on ...
  • Goel B, Singh S, Sarepaka RV. Optimizing single point diamond ...
  • Box GE, Draper NR. Empirical model-building and response surfaces. John ...
  • Ozben T, Kilickap E, Cakır O. Investigation of mechanical and ...
  • Aouici H, Bouchelaghem H, Yallese MA, Elbah M, Fnides B. ...
  • نمایش کامل مراجع