این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۲۲، شماره ۲، صفحات ۱۲۱-۱۳۲
عنوان فارسی تعیین ورق دولایه AA۳۱۰۵-St۱۲ بهینه در فرایند شکل دهی نموی با استفاده از شبکه عصبی و الگوریتم ژنتیک چند هدفه
چکیده فارسی مقاله شکل‌دهی نموی ورق، فرایند انعطاف­پذیری است که در آن ورق فلزی به تدریج با حرکت ابزار در فضای آزاد شکل می­ گیرد. با­ توجه به این که ورق به صورت موضعی شکل‌دهی می ­شود و نیروها متمرکز بر منطقه تماس ابزار با ورق هستند، شکل­ پذیری ورق در این فرایند در مقایسه با سایر روش ­های معمول شکل‌دهی افزایش می­ یابد. در این مطالعه با شبیه ‌سازی عددی فرایند شکل‌دهی نموی ورق دولایه AA3105-St12 با استفاده از روش اجزای محدود، نیروی عمودی وارد بر ابزار شکل‌دهی و ضخامت نهایی لایه‌ها در شرایط مختلف محاسبه شده است. اعتبار نتایج شبیه سازی با مقایسه آن­ها با نتایج حاصل از آزمایش ­های تجربی ارزیابی شده ­است. با استفاده از شبکه عصبی مصنوعی مدل ­هایی عددی برای تخمین نیروی عمودی وارد بر ابزار و ضخامت نهایی لایه‌‌ها بر حسب متغیرهای ورودی فرایند بدست آورده شده ­است. بهینه­ سازی چند هدفه برای دستیابی به حداقل نیروی عمودی و حداقل کاهش ضخامت لایه‌ها، بر مبنای مدل‌های بدست آمده و با کمک روش الگوریتم ژنتیک انجام شده ­­است. در نتایج بدست آمده حالت­ های بهینه ضخامت کل ورق دولایه و نسبت ضخامت لایه‌ها در حالت ­های مختلف تماس لایه آلومینیومی و یا لایه فولادی با ابزار شکل‌دهی تعیین شده است.
کلیدواژه‌های فارسی مقاله شکل دادن فلزات،شکل دهی نموی ورق،شبکه عصبی،بهینه سازی چند هدفه،الگوریتم ژنتیک
عنوان انگلیسی Optimizing AA3105-St12 two-layer sheet in incremental sheet forming process using neural network and multi-objective genetic algorithm
چکیده انگلیسی مقاله Incremental sheet forming is a flexible forming technology in which the sheet metal is gradually formed by the movement of tools in specified path. Due to the progressively localized deformation of the sheet and concentration of the forces on contact area of tool and sheet metal, the formability of the sheet increases compared with other common forming methods. In this study, numerical simulation of the incremental forming of AA3105-St12 two-layer sheet has been performed to calculate forming force and final thicknesses of the layers. The validity of the simulation results is evaluated by comparing them with those obtained from experiments. Numerical models for estimating the vertical force applied on the tool and the final thicknesses of the layers in terms of the process variables have been obtained using artificial neural network. Multi-objective optimization has been conducted to achieve the minimum force and the minimum thickness reduction of layers using obtained numerical models based on genetic algorithm method. Optimum thickness of the two-layer sheet and the thickness ratio the layers in different states of contact of the aluminum or the steel layers with the forming tool have been determined.
کلیدواژه‌های انگلیسی مقاله metal forming,incremental sheet forming,neural network,multi-objective optimization,genetic algorithm
نویسندگان مقاله حامد دیلمی عضدی | Hamed Deilami Azodi
Associate Professor, Department of Mechanical Engineering, Arak University of Technology, Arak, Iran
دانشیار، گروه ساخت و تولید، دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک، اراک، ایران

سعید رضایی | saeed Rezaei
M.Sc., Department of Mechanical Engineering, Arak University of Technology, Arak, Iran
کارشناسی ارشد، گروه ساخت و تولید، دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک، اراک، ایران

حسن بادپروا | Hassan Badparva
M.Sc. Student, Department of Mechanical Engineering, Tarbiat Modares University, Tehran, Iran
دانشجوی کارشناسی ارشد، گروه ساخت و تولید، دانشکده مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران

علی زین العابدین بیگی | Ali Zeinolabedin Beygi
M.Sc. Student, Department of Mechanical Engineering, Tarbiat Modares University, Tehran, Iran
دانشجوی کارشناسی ارشد، گروه ساخت و تولید، دانشکده مهندسی مکانیک، دانشگاه تربیت مدرس، تهران، ایران

نشانی اینترنتی http://mme.modares.ac.ir/browse.php?a_code=A-10-12822-6&slc_lang=fa&sid=15
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات