بهینهسازی شکلی قالبهای پیشفرم در فرایند آهنگری دقیق با استفاده از الگوریتم ژنتیک
محل انتشار: کنفرانس ملی مهندسی مکانیک ایران
سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 973
فایل این مقاله در 5 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCMII01_170
تاریخ نمایه سازی: 22 اردیبهشت 1393
چکیده مقاله:
فرآیند آهنگری (Forging) در صنعت به دلیل تولید قطعات با خواص یکنواخت و استحکام بالا مورد توجه بسیاری از تولیدکنندگان قرار گرفته است. در این فرآیند طراحی قالبهای پیشفرم در بهبود کیفیت قطعه نهایی و کاهش هزینه تولید آن نقش بسزایی دارد. مهمترین معایب بوجود آمده در فرایند آهنگری عبارتند از: پرنشدن کامل قالب، چروکیدگی (Fold)، خواص متالورژی غیریکنواخت، ایجاد پلیسه (Flash) زیاد و نامناسب، که با طراحی مناسب قالب پیشفرم میتوان این معایب را از بین برد یا کاهش داد. در تحقیق پیشرو، بهینهسازی شکل قالب پیشفرم در فرایند آهنگری دو مرحلهای مورد بررسی قرار میگیرد. برای این منظور، کدهای شبیهسازی فرایند آهنگری که به زبان پایتون نوشته شده در نرمافزار Abaqus اجرا میشوند و برای بهینهسازی از الگوریتم ژنتیک با شیوه نخبهگرا در نرمافزار Matlab استفاده میگردد. و در نهایت با مرتبط کردن این دو، بهینهسازی انجام میشود. برای بررسی این روش دو مثال حل شده است. آهنگری سرد یک سیلندر توخالی از جنس آلومینیم در یک مرحله، باعث ایجاد چروکیدگی در سطح داخلی آن میشود، که با استفاده از یک قالب پیشفرم، چروکیدگی در سطح داخلی آن رفع میشود. در مثال دوم، آهنگری داغ یک قطعه متقارن محوری بصورت همدما انجام شده که تابع هدف در آن پر شدن کامل قالب نهایی، از بین بردن پلیسه و توزیع یکنواخت کرنش پلاستیک معادل میباشد. متغیر طراحی در هر دو مثال هندسه قالب پیشفرم و ضریب اصطکاک میباشد.
کلیدواژه ها:
نویسندگان
مهرداد پورسینا
دانشیار، دانشکده فنی و مهندسی، دانشگاه اصفهان
سعید مجیدی
دانشجوی کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه اصفهان
فرهاد حاجی ابوطالبی
استادیار، دانشکده فنی و مهندسی، دانشگاه اصفهان
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 :