Skip to main content
فهرست مقالات

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی مقاله

نویسنده مسئول:

نویسنده:

چکیده:

پیش بینی زبری سطح یک پیش نیاز اساسی برای ایجاد یک مرکز ماشین کاری خودکار می‌باشد. بهینه سازی فرآیند ماشین کاری در این راستا از اهمیت خاصی برخوردار است. در این مقاله از رهیافت ترکیبی فازی- عصبی (سیستم استنتاج فازی- عصبی تطبیقی ANFIS) به منظور پیش بینی زبری سطح در تراش کاری خشک استفاده شده است. به طوری که داده‌های حاصل از آزمایش‌ها به منظور ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه‌های عصبی به کار گرفته شده است. برای این منظور پس از ایجاد مدل پیش بینی کننده از تعدادی داده‌های آزمایش برای آزمون کارآیی مدل استفاده شده و نتایج به دست آمده از مدل پیش بینی کننده با زبری واقعی مقایسه گردیدهاند. نتایج حاصل نشان می‌دهند که مدل ایجاد شده نسبت به سایر مدل‌های موجود در زمینه زبری سطح، کارآیی بهتری دارد.

Optimization of machining parameters is very important and the main goal in every machining process. Surface finishing prediction is a pre-requirement to establish a center for automatic machining operations. In this research, a neuro-fuzzy approach is used in order to model and predict the surface roughness in dry turning. This approach has both the learning capability of neural network and linguistic representation of complex and indefinite phenomena in lingual phrases forms. A model which represents the influence of machining parameters and tool properties on surface roughness is established first. Then, this model is edited via the usage of results of training data. Finally, the efficiency of neuro-fuzzy model is evaluated via the comparison between the model's output and the output of surface roughness obtained from the theoretical formula.

کلیدواژه ها:

سیستم استنتاج فازی ، تابع عضویت ، زبری سطح ، قواعد فازی ، عصبی تطبیقیANFIS ، سیستم استنتاج فازی از نوع سوگنو

Adaptive Neural Fuzzy Intelligent ، System Surface Roughness ، fuzzy rules ، Membership Function


برای مشاهده محتوای مقاله لازم است ورود پایگاه شوید. در صورتی که عضو نیستید از قسمت عضویت اقدام فرمایید.

لمشاهدة محتوی المقال یلزم الدخول إلی دخول الموقع.
إن كنت لا تقدر علی شراء الاشتراك عبرPayPal أو بطاقة VISA، الرجاء ارسال رقم هاتفك المحمول إلی مدير الموقع عبر credit@noormags.ir.

You should become a Sign in to be able to see articles.
If you fail to purchase subscription via PayPal or VISA Card, please send your mobile number to the Website Administrator via credit@noormags.ir.