بهینه سازی و مدل سازی برشکاری پلاسما فولاد ضد زنگ ۳۰۹AISI به کمک مدل ترکیبی شبکه عصبی- الگوریتم ژنتیک

در برش پلاسما، یک گاز نجیب با سرعت بالا از نازل دمیده می شود و به کمک یک جرقه فرکانسی ولتاژ بالا، گاز در سر مشعل یونیزه شده و قوس الکتریکی ایجاد می شود. سپس گاز به حالت پلاسما تبدیل می شود که فرآیندی ایده آل برای برشکاری فلزات سخت است. در این تحقیق، بهینه سازی و مطالعه اثر پارامترهای موثر در فرآیند برشکاری پلاسما فولاد ضدزنگ ۳۰۹AISI مورد بررسی قرار گرفت. با انجام آزمایش های تجربی، تاثیر پارامترهای ورودی شامل شدت جریان، فشار گاز و سرعت حرکت مشعل روی ۳ پارامتر خروجی شامل اندازه عرض برش، منطقه متاثر از حرارت و زبری سطح بررسی شد. تحلیل نتایج نشان داد که شدت جریان، سرعت پیشروی و فشار گاز به ترتیب بیشترین اثر را روی پارامترهای خروجی دارند. از شبکه عصبی مصنوعی (ANN) و الگوریتم ژنتیک برای پیش بینی و بهینه سازی پارامترهای خروجی استفاده شد. نتایج به دست آمده نشان می دهد مدل شبکه عصبی دقت مناسبی برای پیش بینی پارامترهای خروجی دارد. بهینه سازی پارامترها برای دستیابی به بهترین شرایط برشکاری با استفاده از روش الگوریتم ژنتیک انجام گرفت. مدل شبکه عصبی به عنوان تابع هدف و زبری سطح، اندازه شکاف و منطقه متاثر از حرارت به عنوان ورودی الگوریتم ژنتیک معرفی شدند. نتایج به دست آمده نشان می دهند که ترکیب شبکه عصبی- الگوریتم ژنتیک یک روش کارآمد برای بهینه سازی فرآیند برشکاری پلاسما است. این روش می تواند برای دیگر فرآیندهای برشی پیشرفته نیز اصلاح و به کار گرفته شود.

کلیدواژه ها:

Plasma cutting ، ANN ، Kerf ، HAZ ، Ra ، برشکاری پلاسما ، شبکه عصبی ، عرض برش ، منطقه متاثر از حرارت ، زبری سطح