استفاده از شبکه عصبی مصنوعی برای بررسی تاثیر پارامترهای کشش عمیق مقطع مربعی در ورق های چند لایه آلومینیوم - فولاد

در این مطالعه، پارامترهای موثر در کشش عمیق ورق های فلزی دو لایه در قالب مقطع مربع از طریق مدل سازی شبکه عصبی مصنوعی بررسی شد. برای این منظور، ابتدا کشش عمیق ورقهای دو لایه (آلومینیوم 1200/ فولاد 14) به صورت آزمایشی انجام شد. همچنین، از روش المان محدود؛ شبیه سازی فرآیند انجام شد و نتایج بدست آمده از طریق آزمایش آزمایشی و با دریافت خطای قابل قبول تایید شد. مجموعه ای از 46 داده تجربی مختلف در این مقاله استفاده شده است. شبکه عصبی مصنوعی با استفاده از خطای میانگین مربع 10 به توان 4- آموزش دید. پارامترهای ورودی، به عنوان مثال شعاع پانچ، شعاع قالب، نیروی نگهدارنده خالی، لقی و نوع لایه تنظیم شده اند. روش پاسخ سطح؛ برای ارزیابی نتایج مدل شبکه عصبی مصنوعی استفاده شد و پارامترهای ورودی فرآیند رسم عمیق در نازک شدن لایه های کامپوزیت آلومینیوم 1200 و فولاد 14 مورد تجزیه و تحلیل قرار گرفت. نتایج به دست آمده نشان می دهد که شعاع لبه پانچ بیشترین تاثیر را در نازک شدن لایه آلومینیوم 1200 دارد. با افزایش فاصله بین پانچ و قالب تا 1/4 ضخامت ورق، ضخامت لایه های آلومینیوم 1200 و فولاد 14 در دیواره جام به ترتیب 3.38 و 0.5 درصد افزایش می یابد. عملکرد شبکه عصبی مصنوعی نشان می دهد که می تواند میزان نازک شدن در لایه های کامپوزیت را با دقت رضایت بخشی تخمین بزند.