بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک

نویسندگان
doi
10.22075/jme.2017.1572
چکیده

در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل‌سازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، ‌نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار استفاده شده است. مقایسه نتایج به دست آمده از مدل شبکه عصبی با نتایج به دست آمده از آزمایشهای انجام گرفته نشان می‌دهد که مدل شبکه عصبی دقت بالایی برای پیشبینی زبری سطح دارد. سپس از الگوریتم ژنتیک جهت بهینه سازی مدل پیشنهادی مذکور استفاده و شرایط بهینه به دست آمده برای کمترین زبری سطح برش خورده در برشکاری شیشه توسط فرآیند جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی- الگوریتم ژنتیک ارایه شده است. نتایج به دست آمده از این روش نشان می‌دهد که روش شبکه عصبی- الگوریتم ژنتیک یک راه حل مناسب برای بهینه سازی فرآیند برشکاری جت آب همراه با ذرات ساینده است.