Prediction of wall thickness in deep drawing process with neural network
- سال انتشار: 1387
- محل انتشار: شانزدهمین کنفرانس سالانه بین المللی مهندسی مکانیک
- کد COI اختصاصی: ISME16_934
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1822
نویسندگان
MSC.Student Amirkabir university of technology Tehran,Iran
Associate Professor Amirkabir university of technology Tehran,Iran
MSC.Student Amirkabir university of technology Tehran,Iran
چکیده
In this paper, the modeling of deep-drawing process using neural networks is established. The relationships between process parameters (punch radius, matrix radius, blank holder force) and part quality (wall thickness) are created, based on a neural network. Finite element analyses are conducted for combination of process parameters designed using statistical full factorial experimental design. A predictive model for wall thickness is created using Levenberg-Marquardt (LM) artificial neural network exploiting finite element analysis results. The results obtained are found to correlate well with experimental data.کلیدواژه ها
sheet metal forming, full factorial, Finite element method, Artificial neural networkمقالات مرتبط جدید
- تحلیل مکانیزم جدید رابط بین صفحه متحرک و ثابت ربات موازی صفحه ای
- تحلیل عددی کمانش پوسته استوانهای کامپوزیت تحت فشار یکنواخت خارجی با در نظر گرفتن جدایش بین الیه ها و رشد آن با استفاده از روش المان های چسبنده
- تحلیل عددی مخزن استوانه ای جدار نازک به روش متقارن محوری و مقایسه آن با حل دقیق
- بررسی تاثیر نرخ سرد شدن بر سختی و ریز ساختار یک آلیاژ
- مروری بر کامپوزیتهای فلزی؛ ویژگیها و روشهای تولید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.