برای اطلاع از آخرین مقالات علمی و اخبار کرونا(COVID-19) کلیک کنید

مشخصات مقاله

عنوان نشریه: 
 
اطلاعات شماره: 
 
عنوان مقاله: 

پيش بيني سايش ابزار ماشين فرز با استفاده از سيگنال جريان موتور پيشروي به کمک شبکه عصبي مصنوعي و سامانه فازي– عصبي

 
نویسندگان: 
 
آدرس:  
* دانشکده مهندسی مکانیک، دانشگاه تربیت دبیر شهید رجایی، تهران
 
چکیده: 
سايش لبه ابزار کيفيت قطعات توليدي، قابليت اطمينان و بهره وري را در فرايند توليد کاهش مي دهد به اين دليل پايش وضعيت ابزار براي جلوگيري از شکست در هر لحظه ضروري است. متاسفانه هيچ روش مستقيمي براي اندازه گيري سايش ابزار وجود ندارد. در روش غير مستقيم، سايش با اندازه گيري پارامترهاي فيزيکي در طول فرايند ماشين کاري مانند ارتعاش، جريان، نيروي برشي و. . . اندازه گيري مي شود. در اين مقاله شبکه عصبي چندلايه (MLP) با الگوريتم پس انتشار و سامانه استنتاج تطبيقي فازي-عصبي (ANFIS) براي پيش بيني سايش ابزار در فرزکاري به کار گرفته شده است. بدين منظور يک سري آزمايش، توسط ماشين فرز روي قطعه کار انجام شد. مشاهده شد که با افزايش سايش ابزار، جريان مصرفي موتور پيشروي افزايش پيدا مي کند. همچنين در اين مطالعه تاثير سايش ابزار، مقدار پيشروي و عمق بار بر جريان مصرفي موتور پيشروي بررسي و کارايي دو شبکه عصبي و انفيس در تشخيص مقدار سايش و شکست ابزار مقايسه شده است. نتايج نشان داد که براي 86 مورد اندازه گيري شده، انفيس و شبکه عصبي به طور ميانگين داراي 92 و 84 درصد موفقيت در تشخيص درست ميزان سايش و شکست ابزار بودند. از آن جايي که انفيس در مقايسه با شبکه عصبي در طبقه بندي سايش ابزار نتايج بهتر و قابل قبول تري ارائه مي دهد، مي تواند به عنوان روشي مناسب براي تشخيص هوشمند سايش ابزار به کار برده شود.
 
کلید واژه: 

 
موضوعات مرتبط: 
-
 
ارجاعات: 
  • ندارد
 
 
مقالات نشریه ای مرتبط: 
 
مقالات همایشی مرتبط: 
 

  چکیده انگلیسی بازدید یکساله 103
 
 
آخرین های بلاگ
ورود به بلاگ مرکز اطلاعات علمی