مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

مقاله مقاله نشریه

مشخصات مقاله

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

799
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

758
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی سایش ابزار ماشین فرز با استفاده از سیگنال جریان موتور پیشروی به کمک شبکه عصبی مصنوعی و سامانه فازی– عصبی

صفحات

 صفحه شروع 51 | صفحه پایان 62

چکیده

 سایش لبه ابزار کیفیت قطعات تولیدی, قابلیت اطمینان و بهره وری را در فرایند تولید کاهش می دهد به این دلیل پایش وضعیت ابزار برای جلوگیری از شکست در هر لحظه ضروری است. متاسفانه هیچ روش مستقیمی برای اندازه گیری سایش ابزار وجود ندارد. در روش غیر مستقیم, سایش با اندازه گیری پارامترهای فیزیکی در طول فرایند ماشین کاری مانند ارتعاش, جریان, نیروی برشی و. . . اندازه گیری می شود. در این مقاله شبکه عصبی چندلایه (MLP) با الگوریتم پس انتشار و سامانه استنتاج تطبیقی فازی-عصبی (ANFIS) برای پیش بینی سایش ابزار در فرزکاری به کار گرفته شده است. بدین منظور یک سری آزمایش, توسط ماشین فرز روی قطعه کار انجام شد. مشاهده شد که با افزایش سایش ابزار, جریان مصرفی موتور پیشروی افزایش پیدا می کند. 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 اندازه گیری شده, انفیس و شبکه عصبی به طور میانگین دارای 92 و 84 درصد موفقیت در تشخیص درست میزان سایش و شکست ابزار بودند. از آن جایی که انفیس در مقایسه با شبکه عصبی در طبقه بندی سایش ابزار نتایج بهتر و قابل قبول تری ارائه می دهد, می تواند به عنوان روشی مناسب برای تشخیص هوشمند سایش ابزار به کار برده شود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    ناصرنیا، ابراهیم، نوری خاجوی، مهرداد، و رضایی، موسی. (1398). پیش بینی سایش ابزار ماشین فرز با استفاده از سیگنال جریان موتور پیشروی به کمک شبکه عصبی مصنوعی و سامانه فازی– عصبی. مکانیک هوا فضا، 15(1 (پیاپی 55) )، 51-62. SID. https://sid.ir/paper/102064/fa

    Vancouver: کپی

    ناصرنیا ابراهیم، نوری خاجوی مهرداد، رضایی موسی. پیش بینی سایش ابزار ماشین فرز با استفاده از سیگنال جریان موتور پیشروی به کمک شبکه عصبی مصنوعی و سامانه فازی– عصبی. مکانیک هوا فضا[Internet]. 1398؛15(1 (پیاپی 55) ):51-62. Available from: https://sid.ir/paper/102064/fa

    IEEE: کپی

    ابراهیم ناصرنیا، مهرداد نوری خاجوی، و موسی رضایی، “پیش بینی سایش ابزار ماشین فرز با استفاده از سیگنال جریان موتور پیشروی به کمک شبکه عصبی مصنوعی و سامانه فازی– عصبی،” مکانیک هوا فضا، vol. 15، no. 1 (پیاپی 55) ، pp. 51–62، 1398، [Online]. Available: https://sid.ir/paper/102064/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button