سال انتشار: ۱۳۹۳
محل انتشار: اولین همایش داخلی مکانیک
تعداد صفحات: ۶
نویسنده(ها):
فرهاد کلاهان – دانشیار گروه مهندسی مکانیک، دانشگاه فردوسی مشهد
فرید ایلچی – دانشجوی کارشناسی ارشد مهندسی مکانیک، دانشکاه آزاد اسلامی واحد ساری، ساری، ایران
یاسر رستمیان – استادیار گروه مهندسی مکانیک، دانشکاه آزاد اسلامی واحد ساری، ساری، ایران

چکیده:
ماشینکاری تخلیه الکتریکی یکی از روش های مهم شکل دهی قطعات فلزی مانند قالب ها و ابزار ها می باشد. متغیرهای ورودی در این تحقیق شامل پنج پارامتر زمان روشنی پالس، زمان خاموشی پالس، زمان روی کار یا فاکتور کار، ولتاژ گپ و جریان تخلیه می باشد همچنین نرخ براده برداری به عنوان متغیر خروجی فرآیند مورد ارزیابی قرار می گیرد. در ابتدا با استفاده از داده های بدست آمده از آزمایشات تجربی، یک شبکه عصبی مصنوعی آموزش داده شده است تا مقادیر خروجی فرآیند را پیش بینی کند. در ادامه مدل شبکه عصبی طراحی شده با الگوریتم بهینه سازی گروهی ذرات ترکیب شده است تا مقادیر بهینه ی پارامترهای ورودی تعیین شوند. نتایج نشان می دهند که ترکیب شبکه عصبی با الگوریتم بهینه سازی گروهی ذرات (PSO)بخوبی می تواند مقادیر بهینه پارامترهای تنظیمی را بمنظور کسب بهترین نرخ براده برداری تعیین نماید.