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

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

video

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

sound

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

نسخه انگلیسی

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

بازدید:

449
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

545
Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

بهینه سازی و مدل سازی برشکاری پلاسما فولاد ضد زنگ 309AISI به کمک مدل ترکیبی شبکه عصبی-الگوریتم ژنتیک

صفحات

 صفحه شروع 2455 | صفحه پایان 2462

چکیده

 در برش پلاسما, یک گاز نجیب با سرعت بالا از نازل دمیده می شود و به کمک یک جرقه فرکانسی ولتاژ بالا, گاز در سر مشعل یونیزه شده و قوس الکتریکی ایجاد می شود. سپس گاز به حالت پلاسما تبدیل می شود که فرآیندی ایده آل برای برشکاری فلزات سخت است. در این تحقیق, بهینه سازی و مطالعه اثر پارامترهای موثر در فرآیند برشکاری پلاسما فولاد ضدزنگ 309AISI مورد بررسی قرار گرفت. با انجام آزمایش های تجربی, تاثیر پارامترهای ورودی شامل شدت جریان, فشار گاز و سرعت حرکت مشعل روی 3 پارامتر خروجی شامل اندازه عرض برش, منطقه متاثر از حرارت و زبری سطح بررسی شد. تحلیل نتایج نشان داد که شدت جریان, سرعت پیشروی و فشار گاز به ترتیب بیشترین اثر را روی پارامترهای خروجی دارند. از شبکه عصبی مصنوعی (ANN) و الگوریتم ژنتیک برای پیش بینی و بهینه سازی پارامترهای خروجی استفاده شد. نتایج به دست آمده نشان می دهد مدل شبکه عصبی دقت مناسبی برای پیش بینی پارامترهای خروجی دارد. بهینه سازی پارامترها برای دستیابی به بهترین شرایط برشکاری با استفاده از روش الگوریتم ژنتیک انجام گرفت. مدل شبکه عصبی به عنوان تابع هدف و زبری سطح, اندازه شکاف و منطقه متاثر از حرارت به عنوان ورودی الگوریتم ژنتیک معرفی شدند. نتایج به دست آمده نشان می دهند که ترکیب شبکه عصبی-الگوریتم ژنتیک یک روش کارآمد برای بهینه سازی فرآیند برشکاری پلاسما است. این روش می تواند برای دیگر فرآیندهای برشی پیشرفته نیز اصلاح و به کار گرفته شود.

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    میرعبداللهی، سیدمصطفی، و ابوترابی، محمدمهدی. (1398). بهینه سازی و مدل سازی برشکاری پلاسما فولاد ضد زنگ 309AISI به کمک مدل ترکیبی شبکه عصبی-الگوریتم ژنتیک. مهندسی مکانیک مدرس، 19(10 )، 2455-2462. SID. https://sid.ir/paper/179866/fa

    Vancouver: کپی

    میرعبداللهی سیدمصطفی، ابوترابی محمدمهدی. بهینه سازی و مدل سازی برشکاری پلاسما فولاد ضد زنگ 309AISI به کمک مدل ترکیبی شبکه عصبی-الگوریتم ژنتیک. مهندسی مکانیک مدرس[Internet]. 1398؛19(10 ):2455-2462. Available from: https://sid.ir/paper/179866/fa

    IEEE: کپی

    سیدمصطفی میرعبداللهی، و محمدمهدی ابوترابی، “بهینه سازی و مدل سازی برشکاری پلاسما فولاد ضد زنگ 309AISI به کمک مدل ترکیبی شبکه عصبی-الگوریتم ژنتیک،” مهندسی مکانیک مدرس، vol. 19، no. 10 ، pp. 2455–2462، 1398، [Online]. Available: https://sid.ir/paper/179866/fa

    مقالات مرتبط نشریه ای

    مقالات مرتبط همایشی

  • ثبت نشده است.
  • طرح های مرتبط

  • ثبت نشده است.
  • کارگاه های پیشنهادی






    بازگشت به بالا