TY - JOUR ID - 1027 TI - بهینه‌سازی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح مینیمم با ترکیب شبکه عصبی مصنوعی و الگوریتم ژنتیک JO - مکانیک سازه ها و شاره ها JA - JSFM LA - fa SN - 2251-9475 AU - نگارستانی, اصغر AU - ابوالبشری, محمدحسین AD - کارشناس ارشد، گروه مکانیک، دانشگاه فردوسی مشهد، مشهد AD - استاد، گروه مکانیک، مرکز پژوهشی مهندسی تولید ناب، دانشگاه فردوسی مشهد، مشهد Y1 - 2017 PY - 2017 VL - 7 IS - 2 SP - 81 EP - 91 KW - فرزکاری انگشتی KW - بهینه‌سازی KW - الگوریتم ژنتیک KW - شبکه عصبی مصنوعی KW - روش تاگوچی DO - 10.22044/jsfm.2017.4559.2174 N2 - زبری سطح یکی از پارامترهای مهم کیفیت سطح قطعه ماشین‌کاری شده است. در این پژوهش به مطالعه بهینه‌سازی پارامترهای ورودی فرآیند فرزکاری انگشتی برای رسیدن به زبری سطح مینیمم پرداخته شده است. پنج پارامتر از فرآیند فرزکاری برای مینیمم کردن زبری سطح مورد بررسی قرار گرفته است. بدین منظور، با انجام یک سری آزمایش طرح‌ریزی شده با تکنیک طراحی آزمایشات، یک سری داده‌های ورودی و خروجی به دست آمده و از روش شبکه‌های عصبی مصنوعی برای مدل‌سازی فرآیند استفاده شده است. با روش آزمون و خطا، معماری 1-6-8-5 به عنوان بهترین معماری برای شبکه عصبی مصنوعی که کمترین خطا را داشت انتخاب شده است. مدل شبکه عصبی مصنوعی ایجادشده به عنوان تابع هدف الگوریتم ژنتیک به کار رفته است. الگوریتم ژنتیک با بهینه کردن مقادیر پارامترهای ورودی، زبری سطح را تا 85/0 میکرومتر کاهش داده است. عملیات بهینه‌سازی برای سه استراتژی مسیر ابزار به صورت جداگانه اجرا شده و استراتژی چرخشی کمترین زبری را نتیجه داده است. در انتها با استفاده از روش تاگوچی سطوح بهینه متغیرها شناسایی شده‌اند. همچنین مشاهده شد که زبری سطح در صورتی کاهش می‌یابد که عمق برش، نرخ پیشروی و step over کم باشد و از استراتژی مسیر برش یک جهته استفاده شود. علاوه بر این مشخص شد که عمق برش بیش‌ترین تأثیر را بر زبری نهایی قطعه دارد. UR - https://jsfm.shahroodut.ac.ir/article_1027.html L1 - https://jsfm.shahroodut.ac.ir/article_1027_d3f5d616ee9089531317e52a49401556.pdf ER -