بررسی تاثیر پارامترهای ماشین کاری بر روی زبری سطح و نیروی ماشینکاری با استفاده از شبکه عصبی مصنوعی

کنترل و بهینه­سازی زبری سطح و نیروی ماشین کاری برای مواد سخت­کاری شده بسیار ضروری است. برای این منظور می­توان از روش­های هوشمند مبتنی بر مدل­های پیش­بینی و بهینه­سازی استفاده کرد. در این پژوهش پارامترهای ماشین کاری شامل سرعت برشی، نرخ پیشروی و زمان ماشین کاری توسط شبکه عصبی مصنوعی برای ارزیابی زبری سطح و نیروی ماشین کاری، در تراشکاری فولاد سخت کاری شده ۴۱۴۰ مورداستفاده قرار گرفت. طراحی آزمایش ها به روش فاکتوریل کامل در قالب ۲۷ آزمایش صورت گرفت و از ابزار کاربید سمانته بدون پوشش TCMW ۱۶T۳۰۴ H۱۳A در تراشکاری استفاده شد و زبری سطح و نیروی ماشین کاری اندازه­گیری شد. معماری بهینه با دولایه پنهان برای مدل شبکه عصبی مصنوعی انتخاب شد و برای پیش­بینی جداگانه زبری سطح و نیروی ماشین کاری استفاده شد. مقادیر پیش­بینی مدل شبکه عصبی مصنوعی با نتایج تجربی مقایسه شد و میانگین درصد خطای داده­های اعتبارسنجی برای زبری سطح و نیروی ماشین کاری به ترتیب برابر با ۲۵/۴ و ۱۱/۵ درصد محاسبه شد و در انتها پارامترهای بهینه برش به طوری که زبری سطح و نیروی ماشین کاری در پایین­ترین سطح باشند، انتخاب شد.

کلیدواژه ها:

Artificial Neural Network ، Surface Roughness ، Machining Force ، AISI ۴۱۴۰ ، Optimization ، شبکه عصبی مصنوعی ، زبری سطح ، نیروی ماشین کاری ، فولاد ۴۱۴۰ ، بهینه سازی