بهینه سازی‬ نرخ براده برداری در ماشین کاری تخلیه الکتریکی بر روی آلیاژ din ۱.۲۰۸۰ با کمک روش شبکه عصبی و الگوریتم ژنتیک

masoud azimi، msc student, department of mechanical engineering, islamic azad university, khomeinishahr branch, isfahan/khomeinishahr, iran amin kolahdooz، assistant professor, young researchers and elite club, islamic azad university, khomeinishahr branch, isfahan/khomeinishahr, iran seyyed ali eftekhari، assistant professor, young researchers and elite club, islamic azad university, khomeinishahr branch, isfahan/khomeinishahr, iran

چکیده

ﻓﺮآﯾﻨﺪ ماشین کاری ﺗﺨﻠﯿﻪ اﻟﮑﺘﺮﯾﮑﯽ ﯾﮑﯽ از ﭘﺮﮐﺎرﺑﺮدﺗﺮﯾﻦ روش های ماشین کاری غیر سنتی ﺑﺮای ﺑﺮاده ﺑﺮداری ﻗﻄﻌﺎت ﻫﺎدی ﺟﺮﯾﺎن اﻟﮑﺘﺮﯾﺴﯿﺘﻪ اﺳﺖ که دستیابی به قطعه هایی باکیفیت سطح مناسب و نرخ براده برداری بالا در آن از اهمیت زیادی برخوردار است. با توجه به کاربرد وسیع و روزافزون آلیاژ din1.2080 در صنایع مختلف ازجمله قالب سازی، ابزارهای تراشکاری، برقوزنها، خانکشی، گیوتین های برش و... به دست آوردن شرایط بهینه ماشین کاری آن حائز اهمیت است. لذا هدف اصلی در این تحقیق ﺑﺮرﺳﯽ تأﺛﯿﺮ ﭘﺎراﻣﺘﺮﻫﺎی ورودی ﺷﺎﻣﻞ وﻟﺘﺎژ، شدت جریان، زﻣﺎن روﺷﻨﯽ ﭘﺎﻟﺲ و زمان خاموشی پالس ﺑﺮ روی نرخ براده برداری و بهینه سازی آن در ماشین کاری ﺗﺨﻠﯿﻪ اﻟﮑﺘﺮﯾﮑﯽ آلیاژ din1.2080 است لذا جهت دستیابی به نتیجه مطلوب پس از انجام آزمایش های متعدد به کمک روش طراحی آزمایش تاگوچی و دترمینان بهینه به منظور پیش بینی و بهینه سازی نرخ برداشت براده از روش شبکه عصبی و الگوریتم ژنتیک استفاده شده است. در ادامه بهینه سازی پارامتر های ورودی به منظور بیشینه کردن نرخ برداشت براده صورت پذیرفت. در این حالت با فرایند کاهش زمان، کاهش هزینه های تولید به دست می آید. پارامترهای بهینه در این آزمایش در شرایط شدت جریان 20 آمپر، ولتاژ 160 ولت، زمان روشنی پالس 100 میکروثانیه و زمان خاموشی پالس 12 میکروثانیه به دست آمد که در این صورت به میزان نرخ براده برداری 063/0 سانتی متر مکعب بر دقیقه دست یافته شد. سپس با انجام آزمایش صحه گذاری میزان خطا و دقت این روش سنجیده شد. با توجه به میزان خطای به دست آمده که حدود 18/5 % بوده است روش استفاده شده برای الگوریتم ژنتیک مناسب ارزیابی شد