نام پژوهشگر: شاهرخ فریدوند

مطالعه تئوری و تجربی ماشینکاری به روش تخلیه الکتریکی و بررسی مشخصه های خروجی بر روی ترکیب بین فلزی تیتانیوم آلومیناید
پایان نامه وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس 1389
  شاهرخ فریدوند   محمد حسین صادقی

در حال حاضر مواد خاص نظیر تیتانیوم و آلیاژهای آن کاربرد روز افزونی در صنایع مختلف پیدا کرده است. در این مطالعه ابتدا آلیاژ ti– 6al–4v با توجه به کاربرد آن در صنایع، بالاخص صنایع هوافضا مورد مطالعه قرار گرفت. در ادامه ترکیب بین فلزی (ti al)- ? به دلیل برخی خواص ویژه آن نسبت به آلیاژ ti– 6al–4v که بحث جایگزینی آلیاژهای مشابه تیتانیوم با این ترکیب بین فلزی را مطرح کرده است مورد مطالعه قرار گرفت. آلیاژهای تیتانیوم به دلیل خواص ذاتیشان با روش های سنتی قابلیت ماشینکاری بالایی ندارند، بنابراین ضرورت مطالعه و یافتن جایگزینی برای ماشینکاری این مواد اجتناب ناپذیر به نظر می رسد. برای نیل به این هدف، استفاده از روش ماشینکاری به روش تخلیه الکتریکی انتخاب شد که تا به حال هیچ مطالعه ای در مورد ماشینکاریedm ترکیب بین فلزی (ti al)- ? انجام نشده و یا حداقل گزارش نشده است. در این پروژه تاثیر پارامترهای ماشینکاری edm بر روی مشخصه های خروجی ماشینکاری آلیاژ ti–6al–4v و ترکیب بین فلزی (ti al)- ? مورد بررسی قرار گرفت. در این مطالعه نتایج حاصل از آزمایش ها با استفاده از روش تحلیل آماری مورد تجزیه و تحلیل قرار گرفت. همچنین برای خروجی های کمی فرایند ماشینکاری، رابطه ریاضی استخراج و به منظور بهینه سازی خروجی های فرایند ماشینکاری از الگوریتم‏های ژنتیک استفاده شد. همچنین به منظور پیش بینی خروجی های فرایند ماشینکاری اسپارک، از روش شبکه های عصبی استفاده گردید. نتایج این مطالعه بیان کننده آن است که جریان پالس بیشترین تاثیر را در نرخ براده برداری، نرخ سایش ابزار و سلامت سطح دارد و در ماشینکاری (ti al)- ? الکترود آلومنیومی بهترین کیفیت سطح و کمترین نرخ براده برداری را نتیجه می دهد و این در حالی است که الکترود گرافیت نتیجه عکس را دارد. همچنین نرخ براده برداری (ti al)- ? در شرایطی بیشتر از نرخ براده برداری ti–6al–4v می باشد اما برای شکل گیری ترک و گسترش لایه سفید مستعدتر است. همچنین نتایج پیش بینی شبکه های عصبی با خطای کمتر از 7 درصد با نتایج تجربی همخوانی دارد. بنابراین برای پیش بینی نتایج ماشینکاری به روش تخلیه الکتریکی، استفاده از شبکه های عصبی روش مناسبی خواهد بود.