شبیه سازی فرآیند اکستروژن با استفاده از روش اجزاء محدود و پیش بینی نتایج حاصل از آن به کمک استفاده از شبکه عصبی مصنوعی
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 696
فایل این مقاله در 7 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:
ISME26_283
تاریخ نمایه سازی: 30 دی 1397
چکیده مقاله:
در مطالعه حاضر، فرایند اکستروژن یک قطعه از جنس فولاد - AISI 1035 توسط نرم افزار اجزاء محدود Deform3D که بخصوص برای فرایندهای شکل دهی حجیم طراحی گردیده، شبیه سازی شده است . از آنجایی که پیش بینی دقیق مقدار نیروی سنبه ، دما و تنشهای بوجود آمده در قالب و قطعه و نیز پیش بینی مقدار سایش دیواره قالب در دقت ابعادی و خواص مکانیکی محصول، حایز اهمیت است و با توجه به تعداد پارامترهای موثر و نیز ماهیت غیر خطی فرایند، از شبکه عصبی مصنوعی استفاده شده است. از طرفی استفاده از شبکه عصبی باعث صرفه جویی در زمان تحلیل فرایند می شود. در اینجا از شبکه عصبی پیشخور با الگوریتم پس انتشار خطا استفاده شده است که یکی از قوی ترین شبکه ها برای شبیه سازی مسایل غیر خطی بوده و قابلیت برازش مناسب بر هر گونه داده ای را دارد. ورودیهای شبکه، دمای اولیه قطعه، سرعت حرکت سمبه، ضریب اصطکاک بین قطعه و قالب و ضریب کلی انتقال حرارت می باشد. از نتایج مدل المان محدود، جهت آموزش شبکه استفاده شده است و سپس از شبکه آموزش دیده به منظور پیش بینی مقدار نیروی لازم برای شکل دهی، مقادیر بیشینه ی تنش، کرنش و دما در قطعه و نیز مقادیر بیشینه ی دما و سایش در قالب استفاده شده است. نتایج بدست آمده تطابق قابل قبولی در مقایسه با نتایج المان محدود دارند. به منظور طراحی ساختار بهینه شبکه عصبی، معماری های مختلفی برای آن از نظر تعداد لایه ها ، تعداد نورتها در هر لایه، ترخ یادگیری و ضریب مومنتم مورد استفاده قرار گرفته است و بهترین معماری شبکه از نظر کارایی شبکه بر اساس معیار میانگین مربعات خطاها ارایه شده است.
کلیدواژه ها:
نویسندگان
حمید بهلولی
ایران، بیرجند، شوکت آباد، دانشگاه بیرجند، دانشکده مهندسی،
خلیل خلیلی
ایران، بیرجند، شوکت آباد، دانشگاه بیرجند، دانشکده مهندسی ،
سیدمحمدحسین سیدکاشی
ایران، بیرجند، شوکت آباد، دانشگاه بیرجند، دانشکده مهندسی