فهرست نشریات علمی دسترسی آزاد ایران

توانایی پیش­­بینی سایش ابزار در هنگام ماشین‌کاری بخش بسیار مهمی از تشخیص است که باعث می­شود ابزار در زمان مربوطه جایگزین شود. ازاین‌رو، در این پژوهش از رویکرد شبکه عصبی مصنوعی برای پیش­بینی سایش ابزار استفاده شد. ابتدا فولاد سخت‌کاری شده 4140 با ابزار کاربید سیمانی بدون پوشش TCMW 16T304 H13A و با پارامترهای ورودی شامل سرعت برشی، نرخ پیشروی و زمان ماشین‌کاری در سه سطح مختلف و با عمق برش ثابت تراشکاری شد و میزان سایش ابزار اندازه­گیری شد و از نتایج آزمایش تجربی برای آموزش و اعتبارسنجی شبکه عصبی مصنوعی استفاده شد. معماری بهینه شبکه عصبی با 3 گره در لایه ورودی، دو لایه پنهان با 12 و 36 گره به ترتیب در لایه­های اول و دوم پنهان و 1 گره در لایه خروجی برای پیش­بینی سایش ابزار به دست آمد. مقادیر پیش­بینی مدل شبکه عصبی مصنوعی با نتایج تجربی مقایسه شد و میانگین درصد خطای داده­های اعتبارسنجی برابر با 32/3 درصد محاسبه شد.