این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۹، شماره ۱۰، صفحات ۲۴۵۵-۲۴۶۲
عنوان فارسی بهینه‌سازی و مدل‌سازی برشکاری پلاسما فولاد ضد زنگ ۳۰۹AISI به کمک مدل ترکیبی شبکه عصبی- الگوریتم ژنتیک
چکیده فارسی مقاله در برش پلاسما، یک گاز نجیب با سرعت بالا از نازل دمیده می‌شود و به کمک یک جرقه فرکانسی ولتاژ بالا، گاز در سر مشعل یونیزه شده و قوس الکتریکی ایجاد می‌شود. سپس گاز به حالت پلاسما تبدیل می‌شود که فرآیندی ایده‌آل برای برشکاری فلزات سخت است. در این تحقیق، بهینه‌سازی و مطالعه اثر پارامترهای مؤثر در فرآیند برشکاری پلاسما فولاد ضدزنگ 309AISI مورد بررسی قرار گرفت. با انجام آزمایش‌های تجربی، تأثیر پارامترهای ورودی شامل شدت جریان، فشار گاز و سرعت حرکت مشعل روی 3 پارامتر خروجی شامل اندازه عرض برش، منطقه متأثر از حرارت و زبری سطح بررسی شد. تحلیل نتایج نشان داد که شدت جریان، سرعت پیشروی و فشار گاز به ترتیب بیشترین اثر را روی پارامترهای خروجی دارند. از شبکه عصبی مصنوعی (ANN) و الگوریتم ژنتیک برای پیش‌بینی و بهینه‌سازی پارامترهای خروجی استفاده شد. نتایج به‌دست‌آمده نشان می‌دهد مدل شبکه عصبی دقت مناسبی برای پیش‌بینی پارامترهای خروجی دارد. بهینه‌سازی پارامترها برای دستیابی به بهترین شرایط برشکاری با استفاده از روش الگوریتم ژنتیک انجام گرفت. مدل شبکه عصبی به‌عنوان تابع هدف و زبری سطح، اندازه شکاف و منطقه متأثر از حرارت به‌عنوان ورودی الگوریتم ژنتیک معرفی شدند. نتایج به‌دست‌آمده نشان می‌دهند که ترکیب شبکه عصبی- الگوریتم ژنتیک یک روش کارآمد برای بهینه‌سازی فرآیند برشکاری پلاسما است. این روش می‌تواند برای دیگر فرآیندهای برشی پیشرفته نیز اصلاح و به کار گرفته شود.
کلیدواژه‌های فارسی مقاله برشکاری پلاسما،شبکه عصبی،عرض برش،منطقه متأثر از حرارت،زبری سطح،
عنوان انگلیسی Optimization and Modeling of Plasma Cutting of AISI 309 Stainless Steel by Using Neural Network-Genetic Algorithm Hybrid Model
چکیده انگلیسی مقاله In plasma cutting, a noble gas at high speed is blown from the nozzle and ionized with the help of a frequency spark at high voltage and an electric arc is created which cause the gas changes to the plasma state. Plasma cutting is an ideal process for cutting of the hard metals. In this research, the effect of the input parameters and their optimization in plasma cutting of AISI 309 stainless steel were studied. By conducting the different experimental tests, the effect of input parameters including amperage, gas pressure and the cutting speed of torch on the three output parameters of the width of cut (Kerf), heat-affected zone (HAZ) and surface roughness (Ra) were investigated. Analysis of the results showed that the amperage, cutting speed and gas pressure have the highest impact on the output parameters, respectively. The artificial neural network (ANN)-genetic algorithm was used to predict and optimize the output parameters. The results indicate that the artificial neural networks model trained by the genetic algorithm are able to predict the output parameters accurately. Finally, the optimization of output parameters to achieve the best cutting conditions was carried out using the genetic algorithm. The artificial neural network models were considered as the objective function and also, the parameters of the heat-affected zone, surface roughness, and the width of cut were introduced as inputs of the algorithm. According to results, a combination of the neural network and genetic algorithm is an efficient method for optimization of the plasma cutting process. This method can be easily modified and utilized for other advanced cutting methods.
کلیدواژه‌های انگلیسی مقاله برشکاری پلاسما,شبکه عصبی,عرض برش,منطقه متأثر از حرارت,زبری سطح
نویسندگان مقاله سیدمصطفی میرعبداللهی |
گروه مهندسی مکانیک، دانشکده فنی و مهندسی، واحد نجف‌آباد، دانشگاه آزاد اسلامی، نجف‌آباد، ایران

محمدمهدی ابوترابی |
دانشکده مهندسی مکانیک، پردیس فنی و مهندسی، دانشگاه یزد، یزد، ایران

نشانی اینترنتی https://mme.modares.ac.ir/article_10784_f7e069d80878b32a15e8a7ed32290cb7.pdf
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