استفاده از روش ترکیبی شبکه عصبی مصنوعی و الگوریتم ژنتیک در مدل سازی فرآیند ماشینکاری تخلیه الکتریکی

سال انتشار: 1398
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 462

نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISME24_101

تاریخ نمایه سازی: 21 مهر 1398

چکیده مقاله:

این تحقیق به بررسی اثر پارامترهای ورودی ماشین کاری اسپارک (شدت جریان، زمان روشنی و خاموشی پالس، ولتاژ و سیکل کار) بر زبری سطح قطعه کار می پردازد. مقادیر بدست آمده حاصل از انجام آزمایشات با استفاده از تکنیک شبکه های عصبی مصنوعی و روش تلفیق الگوریتم ژنتیک با شبکه های عصبی مورد مدل سازی و مقایسه قرار گرفتند. مشخص شد که با به کارگیری الگوریتم ژنتیک در شبکه عصبی نتایج بهتری نسبت به اجرای تنهای شبکه عصبی حاصل می شود. این امر به دلیل بهینه ساختن وزنها و بایاس های شبکه در هر نسل جدید نسبت به نسل قبلی توسط جمعیت کروموزوم ها می باشد. طبق نتایج آنالیز حساسیت مشخص شد، پارامتر شدت جریان بیشترین تاثیر را بر زبری سطح قطعه کار دارد. همچنین نتایج محاسباتی نشان میدهد تلفیق دو روش شبکه عصبی و الگوریتم ژنتیک ابزاری کارآمد در مدل سازی ماشین کاری اسپارک می باشد

نویسندگان

فرید ایلچی

دانشجوی کارشناسی ارشد، دانشکده فنی مهندسی، دانشگاه آزاد ساری

مسعود آزادی مقدم

دانشجوی دکترا، دانشکده فنی مهندسی، دانشگاه فردوسی مشهد

مسلم نجفی بیرگانی

دانشجوی کارشناسی ارشد مهندسی مکانیک، دانشگاه فردوسی

فرهاد کلاهان

دانشیار، دانشکده فنی مهندسی، دانشگاه فردوسی مشهد