بهره گيري از رويكرد دترمينان بهينه و الگوريتم ژنتيك در مدل سازي و بهينه سازي فرآيند ماشين كاري تخليه الكتريكي سوپر آلياژ اينكونل 718

Using D-optimal Approach and Genetic Algorithm in Modeling and Optimization of EDM Process on Inconel 718 Super Alloy

فرآيند ماشين كاري تخليه الكتريكي يكي از پركاربردترين روش هاي ماشين كاري قطعات هادي جريان الكتريسيته است. در اين روش بدليل استفاده از انرژي حرارتي، سختي قطعه كار بر سرعت ماشين كاري تاثيري ندارد، بنابراين از اين روش مي توان در ساخت انواع قالب ها و ماشين كاري مواد سخت نظير سوپر آلياژها استفاده نمود. پارامترهاي تنظيمي شامل ولتاژ گپ، شدت جريان، زمان روشني پالس و فاكتور كار هستند. نرخ برداشت ماده و كيفيت سطح قطعات توليدي از جمله خروجي هاي مهم در اين فرآيند هستند. به منظور گردآوري داده هاي تجربي از طرح دترمينان بهينه در رويكرد طراحي آزمايش ها استفاده شده است. براي ايجاد ارتباط بين پارامترهاي ورودي و خروجي فرآيند، توابع رگرسيوني مختلف مورد استفاده قرار گرفته سپس به منظور ارزيابي و انتخاب مدل هاي اصلح از آناليزهاي آماري و آزمايشات صحه گذاري استفاده شد. براي بهينه سازي توابع هدف انتخاب شده از الگوريم ژنتيك استفاده شد. نتايج حاصل از بهينه سازي و آزمايشات تجربي نشان داد كه به كارگيري همزمان روش مدل سازي مطرح شده و الگوريتم ژنتيك مي تواند به ابزاري كارآمد براي مدل سازي و بهينه سازي پارامترهاي فرآيند تخليه الكتريكي تبديل شود.

Electrical Discharge Machining (EDM) is one of the most extensively used material removal process. Its unique feature of using thermal energy to machine hard to machine electrically conductive materials is its distinctive advantage in the manufacturing of moulds and machining of hard materials such as super alloys. The input parameters are peak current (I), pulse on time (Ton), duty factor (n) and voltage (V). Material removal rate (MRR) and surface roughness (SR) are the most important performance characteristics of the EDM process. The experimental data are gathered using D-optimal approach L 26 design matrix. In order to establish the relations between the input and the output parameters, various regression functions have been fitted on the evaluated data based on output characteristics. Then, statistical analyses and validation experiments have been carried out to select the best and most fitted models. Genetic algorithm (GA) has been used for optimizations of process parameters. The results indicate that the proposed modeling technique and genetic algorithm are quite efficient in modeling and optimization of EDM process parameters.