بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک
محل انتشار: فصلنامه مدل سازی در مهندسی، دوره: 8، شماره: 23
سال انتشار: 1390
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 878
فایل این مقاله در 12 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:
JR_JME-8-23_003
تاریخ نمایه سازی: 7 شهریور 1393
چکیده مقاله:
در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرایند جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل سازی و پیش بینی زبری سطح با توجه به پارامترهای فرایند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار استفاده شده است. مقایسه نتایج به دست آمده از مدل شبکه عصبی با نتایج به دست آمده از آزمایش های انجام گرفته نشان می دهد که مدل شبکه عصبی دقت خوبی برای پیش بینی زبری سطح دارد. سپس از الگوریتم ژنتیک جهت بهینه سازی مدل پیشنهادی استفاده و شرایط بهینه به دست آمده برای کمترین زبری سطح برش خورده در برشکاری شیشه توسط فرایند جت آب همراه با ذرات ساینده به روش شبکه عصبی - الگوریتم ژنتیک ارائه شده است. نتایج به دست آمده نشان می دهد که روش شبکه عصبی - الگوریتم ژنتیک یک راه حل مناسب برای بهینه سازی فرایند برشکاری جت آب همراه با ذرات ساینده است.
کلیدواژه ها:
نویسندگان
حسین امیرآبادی
استادیار، دانشکده مهندسی مکانیک، دانشگاه بیرجند. نویسنده مسئول
جواد عاشوری
دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه بیرجند
فرشید جعفریان
دانشجوی دکتری، دانشکده مهندسی مکانیک، دانشگاه بیرجند