استفاده از شبکه عصبی مصنوعی آموزش دیده شده با الگوریتم ژنتیک در پیش بینی نتایج نیروی برش و زبری سطح در فرایند ماشینکاری

ماشینکاری به همراه جت سیال با فشار قوی یک روش اثرگذار ماشینکاری برای کاهش نیروی برش و بهبود صافی سطح است. در این تحقیق اعمال فشار مناسب سیال برش متناسب با شرایط برش مانند سرعت برش، عمق برش و نرخ پیشروی برای تراشکاری با کمک جت سیال با فشار قوی مورد مطالعه قرار گرفته است. بدین منظور آزمایشهایی برای تراشکاری فولاد زنگ نزن آستنیتی ۳۰۴ بر اساس طراحی آزمایش دترمینان بهینه انجام گرفته است. آزمایشها نشان داد که برخالف انتظارات، بیشترین فشار سیال برش نمی تواند به اثرگذارترین نتایج منجر شود به گونه ای که برای فشار سیال محدوده بهینه وجود دارد. بدست آوردن مدل پیش بینی پارامترهای فرایند ماشینکاری به همراه جت سیال با فشار قوی با استفاده از شبکه عصبی مصنوعی نیازمند یک روش آموزش مناسب برای دستیابی به مقادیر مناسب وزن ها و بایاس های شبکه می باشد. بنابراین دو شبکه عصبی مصنوعی به منظور مدلسازی نیروی برش و زبری سطح بر حسب متغیرهای فرایند با الگوریتم ژنتیک آموزش داده شد. میانگین قابل قبول خطاهای آموزش و آزمایش به ترتیب، ۶% و ۶.۵% برای مدل زبری سطح و ۹.۱% و ۷.۳% برای مدل نیروی برش نشان می دهد که هر دو مدل شبکه عصبی زبری سطح و نیروی برش به اندازه کافی توسط الگوریتم ژنتیک آموزش داده شده اند.

کلیدواژه ها:

شبکه عصبی ، الگوریتم ژنتیک ، ماشینکاری ، نیروی برش ، زبری سطح ، آموزش ، خطا