مقایسه روش های شبکه عصبی مصنوعی در مدل سازی فرایند تراش کاری ماده مرکب زمینه پلیمری

در این تحقیق ماده مرکب زمینه اپوکسی پرشده با ذرات آلومینیم تهیه گردیده و با تغییر شرایط مختلف تراش کاری شامل: سرعت برش، کسر وزنی ذرات، عمق برش و نرخ پیشروی از قطعات مواد مرکب براده برداری صورت گرفته است. سپس زبری سطح قطعات اندازه گیری شده و برای پیش بینی اثر چهار عامل تراش کاری بر زبری سطح قطعات، با استفاده از دو نوع شبکه عصبی شامل: شبکه عصبی چند لایه پرسپترون و شبکه عصبی با تابع پایه شعاعی، مدل سازی انجام شده است. ضرایب همبستگی بین داده های خروجی مدل ها و داده های تجربی نشان داده است که شبکه چند لایه پروسپترون نسبت به شبکه با تابع پایه شعاعی انطباق بهتری با نتایج آزمایشگاهی نشان می دهد (ضریب همبستگی 835/0 برای شبکه چند لایه پرسپترون و 524/0 برای شبکه با تابع پایه شعاعی). به علت دارا بودن ضریب همبستگی بالاتر در شبکه عصبی چند لایه پرسپترون، این شبکه برای مدل سازی تاثیر عوامل تراش کاری بر زبری سطح پیشنهاد شده است.