التنبؤ بخشونة سطح الفولاذ المقاوم للصدأ (DSS) بعد عملية الخراطة
pdf (الإنجليزية)

كيفية الاقتباس

التنبؤ بخشونة سطح الفولاذ المقاوم للصدأ (DSS) بعد عملية الخراطة. (2021). مجلة الخوارزمي الهندسية, 17(2), 8-17. https://doi.org/10.22153/kej.2021.01.001

تواريخ المنشور

الملخص

تم تصميم نموذج الشبكة العصبية الاصطناعية للانتشار الخلفي باستخدام MATLAB Neural Network Toolbox للتنبؤ بخشونة سطح الفولاذ المقاوم للصدأ على الوجهين بعد الخراطة المتعامدة باستخدام أداة قطع نوع كربيد غير مصقول. كانت متغيرات الإدخال هي معدل التغذية (f) وسرعة القطع (V) وعمق القطع (d) لكل من التجارب العملية ونموذج التوقع ((ANN ، بينما كان متغير الإخراج هو خشونة السطح (Ra). باستخدام طريقة تصميم Taguchi التجريبية ، تم الحصول على بنية ANN مثالية مع خوارزمية تدريب Levenberg-Marquardt. تم إجراء بحث حدودي باستخدام بنية ANN المحسّنة للإبلاغ عن تأثير كل متغير تحول على خشونة السطح. تشير النتائج التي تم تحقيقها إلى أن ANN هي أداة متعددة الاستخدامات ويمكن توسيعها بسهولة وثقة أكبر لعمليات قطع المعادن المختلفة.

pdf (الإنجليزية)

المراجع

J. Z. Zhang, J. C. Chen, and E. D. Kirby, “Surface roughness optimization in an end-milling operation using the Taguchi design method,” Journal of materials processing technology, vol. 184, no. 1-3, pp. 233-239, 2007. https://doi.org/10.1016/j.jmatprotec.2006.11.029

Kahraman, and A. Sagbas, “An investigation of the effect of heat treatment on surface roughness in machining by using statistical analysis,” Iranian Journal of Science & Technology, Transaction B: Engineering, vol. 34, no. B5, pp. 591-595, 2010.

H. Gokkaya, and M. Nalbant, “ The effects of cutting tool coating on the surface roughness of AISI 1015 steel depending on cutting parameters,” Turkish Journal of Engineering and Environmental Sciences, vol. 30, no. 5, pp. 307-316, 2006.

M. Nalbant, H. Gokkaya, and I. Toktas, “Comparison of regression and artificial neural network models for surface roughness prediction with the cutting parameters in CNC turning,” Modeling and Simulation in Engineering, vol. 2007, pp. 1-14, 2007. https://doi.org/10.1155/2007/92717

K. Palanikumar, and R. Karthikeyan, “Optimal machining conditions for turning of particulate metal matrix composites using Taguchi and response surface methodologies,” Machining Science and Technology: An International Journal, vol.10, no. 4, pp. 417-433, 2007. https://doi.org/10.1080/10910340600996068

A. Javidi, U. Rieger, and W. Eichlseder, “The effect of machining on the surface integrity and fatigue life,” International Journal of Fatigue, vol. 30, no. 10-11, pp. 2050-2055, 2008. https://doi.org/10.1016/j.ijfatigue.2008.01.005

H. Dave, L. Patel, and H. Raval, “Effect of machining conditions on MRR and surface roughness during CNC turning of different materials using TiN coated cutting tools- A Taguchi approach”, International Journal of Industrial Engineering Computations, vol. 3, no. 5, pp. 925-930, 2012.

K. Mani Lavanya, R. K .Suresh, A. Sushil Kumar Priya, and G. Krishnaiah, “Optimization of Process Parameters in Turning Operation of AISI-1016 Alloy Steels with CBN Using Artificial Neural Networks,” International Journal of Engineering Trends and Technology (IJETT), vol. 5, no.6, pp. 294-297, 2013.

G. Kant, and K. S. Sangwan, “Predictive modeling and optimization of machining parameters to minimize surface roughness using artificial neural network coupled with genetic algorithm," Procedia CIRP, vol. 31, pp. 453-458, 2015. https://doi.org/10.1016/j.procir.2015.03.043

J. Vaibhav, and B. Sachin, “Process parameter optimization of CNC turning for titanium wrought iron,” International Journal of Modern Trends in Engineering and Research, vol. 2, no. 11, pp. 141-146, 2015.

B. Das, R. N. Rai, , and S.C. Saha, “ Surface quality optimization of Al-5Cu alloy using utility theory coupled with the Taguchi method,” Advances in Applied Physical and Chemical Sciences-A Sustainable Approach, vol. 2015, pp. 40-45, 2015.

M. Gupta, and S. Kumar, “ Investigation of surface roughness and MRR for turning UD-GFRP using PCA and Taguchi method,” Engineering Science and Technology, An International Journal, vol. 18, no. 1, pp. 70-81, 2015. https://doi.org/10.1016/j.jestch.2014.09.006

P. Sonali, and A. M. Mohanty, “ Performance analysis of surface roughness in al alloy using different cutting parameters,” International Journal of Multidisciplinary Research and Development, vol. 3, no. 4, pp. 1-4, 2016.

S. Dahbi, L. Ezzine, and H.E.L. Moussami, “Modeling of cutting performances in turning process using artificial neural networks,” International Journal of Engineering Business Management, vol. 9, pp. 1-13, 2017. https://doi.org/10.1177%2F1847979017718988

K. Pawan and J. P. Misra, “A Surface Roughness Predictive Model for DSS Longitudinal Turning Operation,” Chapter 25 in DAAAM International Scientific Book, 2018, pp.285-296.

Arjun Joshy, Royson Dsouza, Veerakumar Muthirulan1, and Krishnamurthy H. Sachidananda, “Experimental Analysis on the Turning of Aluminum Alloy 7075 Based on Taguchi Method and Artificial Neural Network,” Journal Européen des Systèmes Automatisés, vol. 52, no. 5, pp. 429-437, 2019. https://doi.org/10.18280/jesa.520501

R. Suresh, L. Shivaramu, N.G. Siddesh Kumar, T.N. Srikantha Dath, “Effect of Process Parameters on Cutting Forces and Surface Roughness in Machining of DSS 2205 Using Taguchi’s Approach,” Applied Mechanics and Materials, vol. 895, pp. 26-31, 2019. https://doi.org/10.4028/www.scientific.net/AMM.895.26

Ahmed A. Elsadek, Ahmed M. Gaafer, and S.S. Mohamed, “Surface Roughness Prediction in Hard-Turning with ANN and RSM,” Journal of The Egyptian Society of Tribology, vol. 17, no. 2, pp. 13-22, 2020.

M. V. R. D. Prasad, Yelamanchili Sravya, and Karri Sai Tejaswi, “Study of the Influence of Process Parameters on Surface Roughness When Inconel 718 Is Dry Turned Using CBN Cutting Tool by Artificial Neural Network Approach,” International Journal of Materials, Mechanics and Manufacturing, vol. 2, no. 4, pp. 335-338, 2014.

حقوق الطبع والنشر:  يحتفظ مؤلفو الوصول المفتوح بحقوق الطبع والنشر لاعمالهم، ويتم توزيع جميع مقالات الوصول المفتوح بموجب شروط ترخيص Creative Commons Attribution License، والتي تسمح بالاستخدام غير المقيد والتوزيع والاستنساخ في أي وسيط، بشرط ذكر العمل الأصلي بشكل صحيح. إن استخدام الأسماء الوصفیة العامة، والأسماء التجاریة، والعلامات التجاریة، وما إلی ذلك في ھذا المنشور، حتی وإن لم یتم تحدیدھ بشکل محدد، لا یعني أن ھذه الأسماء غیر محمیة بموجب القوانین واللوائح ذات الصلة. في حين يعتقد أن المشورة والمعلومات في هذه المجلة صحيحة ودقيقة في تاريخ صحتها، لا يمكن للمؤلفين والمحررين ولا الناشر قبول أي مسؤولية قانونية عن أي أخطاء أو سهو قد يتم. لا يقدم الناشر أي ضمان، صريح أو ضمني، فيما يتعلق بالمواد الواردة في هذه الوثيقة.