مدلسازی و بهینهسازی چند هدفی فرایند پرداخت قطعات صنعتی با سیال ساینده با استفاده از شبکه های عصبی از نوع GMDH و الگوریتم ژنتیک
عنوان مقاله: مدلسازی و بهینهسازی چند هدفی فرایند پرداخت قطعات صنعتی با سیال ساینده با استفاده از شبکه های عصبی از نوع GMDH و الگوریتم ژنتیک
شناسه ملی مقاله: ISME14_212
منتشر شده در چهاردهمین کنفرانس سالانه مهندسی مکانیک در سال 1385
شناسه ملی مقاله: ISME14_212
منتشر شده در چهاردهمین کنفرانس سالانه مهندسی مکانیک در سال 1385
مشخصات نویسندگان مقاله:
ابوالفضل خلخالی - دانشجوی دوره دکتری دانشگاه گیلان، دانشکده فنی
نادر نریمان زاده - دانشیار دانشگاه گیلان، دانشکده فنی
مجیدعلی طاولی - استادیار دانشگاه گیلان، دانشکده فنی
مهدی مهران - کارشناس ارشد دانشگاه گیلان، دانشکده فنی
خلاصه مقاله:
ابوالفضل خلخالی - دانشجوی دوره دکتری دانشگاه گیلان، دانشکده فنی
نادر نریمان زاده - دانشیار دانشگاه گیلان، دانشکده فنی
مجیدعلی طاولی - استادیار دانشگاه گیلان، دانشکده فنی
مهدی مهران - کارشناس ارشد دانشگاه گیلان، دانشکده فنی
ماشینکاری و صیقل دهی سایشی توسط سیال ساینده (Abrasive Flow Machining) یا AFM یکی از روشهای براده برداری نوین، جهت صیقل دهی سطوح، لبه ها و بخشهای داخلی قطعات صنعتی با تلرانس های بسیار دقیق و کیفیت عالی پرداخت به شمار می آید. در این مقاله شبکههای عصبی GMDH، بهینه شده با الگوریتم ژنتیک در ابتدا برای مدلسازی فرایند بر اساس دادههای آزمایشی بدست آمده از سامانه ساخته شده به کار میروند. در مرحله دوم، روابط ریاضی بدست آمده، برای بهینهسازی چند هدفی با استفاده از الگوریتم ژنتیک به کارگرفته شده و منحنی پارتو برای میزان صافی سطح و میزان ماده برداشتی به عنوان توابع هدف با عملکرد متضاد ارائه میشود. نتایج بدست آمده روابط جالب و سودمندی را در طراحی بهینه نمایش میدهد که تنها با استفاده از به کارگیری بهینهسازی چندهدفی مدل ریاضی استخراج شده از نتایج آزمایشگاهی قابل بدست آمدن است.
کلمات کلیدی: فرایند پرداخت با سیال ساینده (AFM)- الگوریتم ژنتیک- GMDH- بهینهسازی چندهدفی
صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/27644/