فهرست نشریات علمی دسترسی آزاد ایران

کنترل و بهینه­سازی زبری سطح و نیروی ماشین‌کاری برای مواد سخت­کاری شده بسیار ضروری است. برای این منظور می­توان از روش­های هوشمند مبتنی بر مدل­های پیش­بینی و بهینه­سازی استفاده کرد. در این پژوهش پارامترهای ماشین‌کاری شامل سرعت برشی، نرخ پیشروی و زمان ماشین‌کاری توسط شبکه عصبی مصنوعی برای ارزیابی زبری سطح و نیروی ماشین‌کاری، در تراشکاری فولاد سخت‌کاری شده 4140 مورداستفاده قرار گرفت. طراحی آزمایش‌ها به روش فاکتوریل کامل در قالب 27 آزمایش صورت گرفت و از ابزار کاربید سمانته بدون پوشش TCMW 16T304 H13A در تراشکاری استفاده شد و زبری سطح و نیروی ماشین‌کاری اندازه­گیری شد. معماری بهینه با دولایه پنهان برای مدل شبکه عصبی مصنوعی انتخاب شد و برای پیش­بینی جداگانه زبری سطح و نیروی ماشین‌کاری استفاده شد. مقادیر پیش­بینی مدل شبکه عصبی مصنوعی با نتایج تجربی مقایسه شد و میانگین درصد خطای داده­های اعتبارسنجی برای زبری سطح و نیروی ماشین‌کاری به ترتیب برابر با 25/4 و 11/5 درصد محاسبه شد و در انتها پارامترهای بهینه برش به‌طوری‌که زبری سطح و نیروی ماشین‌کاری در پایین­ترین سطح باشند، انتخاب شد.