%0 Journal Article %T مدل‌سازی و بهینه‌سازی نیروی ماشینکاری و زبری سطح در فرایند فرزکاری سوپر آلیاژ اینکونل 738 با کمک شبکه عصبی و الگوریتم ژنتیک %J مهندسی ساخت و تولید ایران %I انجمن مهندسی ساخت و تولید ایران %Z 2476-504X %A ایمانی, لیلی %A رحمانی هنزکی, علی %A حمزه لو, سیدرضا %A داوودی, بهنام %D 2019 %\ 10/23/2019 %V 6 %N 5 %P 25-38 %! مدل‌سازی و بهینه‌سازی نیروی ماشینکاری و زبری سطح در فرایند فرزکاری سوپر آلیاژ اینکونل 738 با کمک شبکه عصبی و الگوریتم ژنتیک %K مدل سازی و بهینه‌سازی %K نیروی ماشینکاری %K زبری سطح %K اینکونل 738 %K شبکه عصبی %R %X فرزکاری یکی از مهم‌ترین و متداول‌ترین روش‌های براده‌برداری بوده و از دیرباز مطالعات زیادی بر روی آن انجام شده است. ضرورت مطالعه ماشینکاری سوپر آلیاژهای پایه نیکل به علت استحکام بالا و کاربردهای مختلفی که در صنایع هوا فضا، نیروگاهی و... دارند همچنان احساس می‌گردد. نیروی ماشینکاری و زبری سطح بدست آمده دو پارامتر مهم قابلیت ماشینکاری سوپرآلیاژها هستند که بدلیل اهمیت بالای آن مورد مطالعه قرار گرفته است. در این پژوهش نیز برای به‌منظور بررسی زبری سطح اینکونل 738 در فرایند فرزکاری پرداخته شده و جهت بدست آوردن پارامترهای بهینه پس از مدلسازی و پیش بینی اثر پارامترهای ورودی بر زبری سطح، بهینه سازی پارامترها جهت رسیدن به حداقل زبری صورت گرفته است. بدین منظور چهار پارامتر سرعت برشی، پیشروی، عمق برش محوری و وجود یا عدم وجود خنک کننده به عنوان متغیرهای تحقیق در نظر گرفته شده است. سرعت برشی و پیشروی هر یک در چهار سطح و عمق برش محوری و خنک کننده در دو سطح انتخاب گردیده، در مجموع 64 آزمایش بصورت فاکتوریل کامل انجام و مورد مطالعه قرار گرفت. از شبکه عصبی و الگوریتم ژنتیک به ترتیب جهت پیش‌بینی و بهینه‌سازی پارامترهای ماشینکاری بهره گرفته شد. از مدل بدست آمده برای بررسی تاثیر پارامترهای مختلف و پیش‌بینی پارامترهای بهینه فرزکاری جهت بدست آوردن نیرو و صافی سطح مطلوب استفاده گردید. مقایسه نتایج حاصل از مدل شبکه عصبی و نتایج تجربی نشان دهنده پیش بینی با دقت ۹۷ درصد مدل‌سازی شبکه و همچنین دقت بالای بهینه‌سازی می باشد. %U https://www.iranjme.ir/article_93890_5b56c6023136a6e2a3af4edf2bb11e52.pdf