پیش بینی سایش ابزار در ماشینکاری فولاد سخت کاری شده با استفاده از مطالعات تجربی و شبکه عصبی مصنوعی

توانایی پیش­­بینی سایش ابزار در هنگام ماشین کاری بخش بسیار مهمی از تشخیص است که باعث می­شود ابزار در زمان مربوطه جایگزین شود. ازاین رو، در این پژوهش از رویکرد شبکه عصبی مصنوعی برای پیش­بینی سایش ابزار استفاده شد. ابتدا فولاد سخت کاری شده ۴۱۴۰ با ابزار کاربید سیمانی بدون پوشش TCMW ۱۶T۳۰۴ H۱۳A و با پارامترهای ورودی شامل سرعت برشی، نرخ پیشروی و زمان ماشین کاری در سه سطح مختلف و با عمق برش ثابت تراشکاری شد و میزان سایش ابزار اندازه­گیری شد و از نتایج آزمایش تجربی برای آموزش و اعتبارسنجی شبکه عصبی مصنوعی استفاده شد. معماری بهینه شبکه عصبی با ۳ گره در لایه ورودی، دو لایه پنهان با ۱۲ و ۳۶ گره به ترتیب در لایه­های اول و دوم پنهان و ۱ گره در لایه خروجی برای پیش­بینی سایش ابزار به دست آمد. مقادیر پیش­بینی مدل شبکه عصبی مصنوعی با نتایج تجربی مقایسه شد و میانگین درصد خطای داده­های اعتبارسنجی برابر با ۳۲/۳ درصد محاسبه شد.

کلیدواژه ها:

Artificial neural network ، AISI ۴۱۴۰ ، Machining ، Tool wear ، Cutting speed ، شبکه عصبی مصنوعی ، فولاد ۴۱۴۰ ، ماشینکاری ، سایش ابزار ، سرعت برشی