شناسایی و بهینه سازی پارامترهای جوشکاری زیرپودری با استفاده از الگوریتم ژنتیک

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 522

فایل این مقاله در 13 صفحه با فرمت PDF و WORD قابل دریافت می 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:

MAARS02_082

تاریخ نمایه سازی: 8 اردیبهشت 1396

چکیده مقاله:

جوشکاری زیرپودری یکی از روش های مهم جوشکاری با نرخ رسوب وکیفیت جوشکاری بالا محسوب می شود که امروزه در فرآیندهای تولید کاربرد فراوانی دارد. در این فرآیند دستیابی به عمق نفوذ بالا یکی از اهداف اصلی جوشکاری می باشد که این امر نیازمند بالابودن مقدار حرارت ورودی است. از طرفی دیگر افزایش میزان حرارت ورودی باعث بزرگتر شدن منطقه متاثر از گرما خواهد شد که این امر نیز نامطلوب می باشد. بنابراین هدف اصلی پیداکردن سطح مناسبی از پارامترهای ورودی برای دستیابی به حداکثر نفوذ و حداقل عرض ناحیه متاثر از گرما می باشد. در این مقاله ولتاژ جوشکاری، جریان جوشکاری، فاصله نازل تا قطعه کار، سرعت جوشکاری و ضخامت پودر پوششی به عنوان متغیرهای ورودی الگوریتم بهینه سازی در نظر گرفته شده اند. جهت استخراج داده های آزمایش از روش طراحی مرکب مرکزی چرخش پذیر استفاده شده است. پس از جمع آوری داده های آزمایش، معادله رگرسیونی تابع هدف به صورت تابعی از متغیرهای مذکور بدست آمده و در نهایت تابع هدف با استفاده از الگوریتم ژنتیک بهینه شده و مقادیر بهینه برای متغیرهای ورودی بدست آمده است.

نویسندگان

داود افشاری

استادیار گروه مهندسی مکانیک دانشگاه زنجان، زنجان، ایران

وحید محمدی آقبلاغ

دانشجوی کارشناسی ارشد مهندسی مکانیک-ساخت و تولید دانشگاه زنجان، زنجان، ایران،

مهدی اسکندری

دانشجوی دکتری مهندسی مکانیک دانشگاه زنجان، زنجان، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • S. kou, "Welding Metallurgy", Second Edition, Published by John Wiley ...
  • Y. S. Tarng, ،0The Use of Fuzzy Logic in the ...
  • BY V. Gunaraj, N.Muragan, "Prediction of heataffected _ characteristics in ...
  • Y. S. Tarng, ،The use of grey-based Taguchi methods to ...
  • M.A. MO RADPOUR, S.H. HASHEMI, K. KHALILI, Multi-obj ective Optimization ...
  • J. Edwin Raja Dhas, S. Kumanan, Optimization of parameters of ...
  • J. E. R. Dhas, S. Kumanan, _ for prediction of ...
  • S. Kumanan, _ 'Determination of submerged arc welding process parameters ...
  • S.Karaoglu, A.Secgin, "Sensitivity analysis of submerged arc welding process parameters", ...
  • A. Ma, «Efect ofTiO2 _ containing fluxes on the mechanical ...
  • J.J. Lowke, M. Tanaka, M. Ushio, ،Mechanisms Giving Increased Weld ...
  • K. Von Frisch, "Bees:Their Vision, Chemical Senses and Language", (Revised ...
  • S. Karaoglu, A. Seggin, Sensitivity analysis of submerged arc welding ...
  • P.M. Ajith, T.M. Afsal Husain, P. Sathiya, S. Aravindan, Multi-obj ...
  • A.Afkar, M. Mahmoodi-k, A. Paykani Geometry optimization of double wishbone ...
  • نمایش کامل مراجع