تعداد نشریات | 39 |
تعداد شمارهها | 1,175 |
تعداد مقالات | 8,453 |
تعداد مشاهده مقاله | 6,343,733 |
تعداد دریافت فایل اصل مقاله | 3,594,134 |
پیشبینی سایش ابزار ماشینفرز با استفاده از سیگنال جریان موتور پیشروی بهکمک شبکه عصبی مصنوعی و سامانه فازی– عصبی | ||
مکانیک هوافضا | ||
مقاله 5، دوره 15، شماره 1 - شماره پیاپی 55، اردیبهشت 1398، صفحه 51-62 اصل مقاله (1.46 M) | ||
نویسندگان | ||
ابراهیم ناصر نیا1؛ مهرداد نوری خاجوی* 1؛ موسی رضائی2 | ||
1دانشکده مهندسی مکانیک دانشگاه تربیت دبیر شهید رجایی تهران | ||
2دانشکده مهندسی مکانیک دانشگاه تبریز | ||
تاریخ دریافت: 12 شهریور 1397، تاریخ بازنگری: 30 بهمن 1397، تاریخ پذیرش: 28 شهریور 1397 | ||
چکیده | ||
سایش لبه ابزار کیفیت قطعات تولیدی، قابلیت اطمینان و بهرهوری را در فرایند تولید کاهش میدهد به این دلیل پایش وضعیت ابزار برای جلوگیری از شکست در هر لحظه ضروری است. متاسفانه هیچ روش مستقیمی برای اندازهگیری سایش ابزار وجود ندارد. در روش غیرمستقیم، سایش با اندازهگیری پارامترهای فیزیکی در طول فرایند ماشینکاری مانند ارتعاش، جریان، نیروی برشی و ... اندازهگیری میشود. در این مقاله شبکه عصبی چندلایه (MLP) با الگوریتم پسانتشار و سامانه استنتاج تطبیقی فازی- عصبی (ANFIS) برای پیشبینی سایش ابزار در فرزکاری بهکار گرفته شده است. بدین منظور یکسری آزمایش، توسط ماشینفرز روی قطعهکار انجام شد. مشاهده شد که با افزایش سایش ابزار، جریان مصرفی موتور پیشروی افزایش پیدا میکند. همچنین در این مطالعه تاثیر سایش ابزار، مقدار پیشروی و عمق بار بر جریان مصرفی موتور پیشروی بررسی و کارایی دو شبکه عصبی و انفیس در تشخیص مقدار سایش و شکست ابزار مقایسه شده است. نتایج نشان داد که برای 86 مورد اندازهگیری شده، انفیس و شبکه عصبی بهطور میانگین دارای 92 و 84 درصد موفقیت در تشخیص درست میزان سایش و شکست ابزار بودند. از آنجایی که انفیس در مقایسه با شبکه عصبی در طبقهبندی سایش ابزار نتایج بهتر و قابل قبولتری ارائه میدهد، میتواند بهعنوان روشی مناسب برای تشخیص هوشمند سایش ابزار بهکار برده شود. | ||
کلیدواژهها | ||
سایش ابزار؛ جریان موتور؛ شبکههای عصبی چندلایه؛ سیستم استنتاج تطبیقی فازی- عصبی | ||
مراجع | ||
| ||
آمار تعداد مشاهده مقاله: 369 تعداد دریافت فایل اصل مقاله: 173 |