مدل‌سازی و بهینه‌سازی نیروی ماشینکاری و زبری سطح در فرایند فرزکاری سوپر آلیاژ اینکونل 738 با کمک شبکه عصبی و الگوریتم ژنتیک

نوع مقاله: مقاله پژوهشی

نویسندگان

1 دانشکده مهندسی مکانی، دانشگاه تربیت دبیر شهید رجائی، تهران، ایران

2 استادیار گروه ساخت و تولید، دانشکده مهندسی مکانیک، دانشگاه تربیت دبیر شهید رجایی، تهران، ایران

3 دانشیار دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران، تهران، ایران

چکیده

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.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Modeling and optimization of cutting force and surface roughness in the milling process of Inconel 738 by Neural Network and Genetic Algorithm

نویسندگان [English]

  • Lila Imani 1
  • Ali Rahmani Hanzaki 2
  • Seyed Reza Hamzeloo 2
  • Behnam Davoodi 3
1 Mechanical Engineering Department, Shahid Rajaee Teacher Training University, Tehran, Iran
2 Mechanical Engineering, Assistant Professor, Shahid Rajaee Teacher Training University, Tehran, Iran
3 Associate Professor of Mechanical Engineering, Iran University of Science and Technology
چکیده [English]

Milling is an important and conventional method of metal Cutting, in which many studies have been fulfilled so far. Study of machining the nickel-based superalloys is felt to be essential due to their high strength and various applications in the power plants, aerospace industries etc. Cutting force and surface roughness are two of the important factors in machinability that due to the high importance of it, has been studied. In this article, the influence of four parameters of machining nickel-based superalloys, namely, cutting speed, feed rate, depth of cut and presence or absence of cooling as research inputs on the milling of Inconel 738 were investigated. In total, 64 experiments have been completed as full factorial design. By measuring cutting forces and surface roughness of the samples after the milling process, the obtained models were utilized to predict the effect of various above parameters, to optimize the milling parameters and to obtain the desired surface finish. In addition, the artificial intelligence techniques such as neural network and genetic algorithm were employed to predict the output parameter and to find the optimum milling parameters. The comparison of the experimental and predicted results shows the success of the modeling with 97 percent accuracy and a precise optimization.

کلیدواژه‌ها [English]

  • Modeling and Optimization
  • Cutting force
  • Surface roughness
  • Inconel 738
  • Neural Network