بررسی تاثیر پارامترهای ماشین کاری بر روی زبری سطح و نیروی ماشینکاری با استفاده از شبکه عصبی مصنوعی

کنترل و بهینه سازی زبری سطح و نیروی ماشین کاری برای مواد سخت کاری شده بسیار ضروری است. برای این منظور می توان از روش های هوشمند مبتنی بر مدل های پیش بینی و بهینه سازی استفاده کرد. در این پژوهش پارامترهای ماشین کاری شامل سرعت برشی، نرخ پیشروی و زمان ماشین کاری توسط شبکه عصبی مصنوعی برای ارزیابی زبری سطح و نیروی ماشین کاری، در تراشکاری فولاد سخت کاری شده 4140 مورداستفاده قرار گرفت. طراحی آزمایش ها 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 ماشین کاری اندازه گیری شد. معماری بهینه با دولایه پنهان برای مدل شبکه عصبی مصنوعی انتخاب شد و برای پیش بینی جداگانه زبری سطح و نیروی ماشین کاری استفاده شد. مقادیر پیش بینی مدل شبکه عصبی مصنوعی با نتایج تجربی مقایسه شد و میانگین درصد خطای داده های اعتبارسنجی برای زبری سطح و نیروی ماشین کاری به ترتیب برابر با 25/4 و 11/5 درصد محاسبه شد و در انتها پارامترهای بهینه برش به طوری که زبری سطح و نیروی ماشین کاری در پایین ترین سطح باشند، انتخاب شد.