بررسي تجربي و تحليل بهينه فرآيند شكل دهي سرعت بالا ورق هاي دولايه

Experimental Investigation and Optimal Analysis of the High-Velocity Forming Process of Bilayer Plates

هدف از اين مقاله بررسي تجربي و مدل سازي عددي تغييرشكل پلاستيك ساختارهاي دولايه فلز-پليمر تحت بار انفجار مخلوط گازي است. بدين منظور، در بخش تجربي از سامانه شكل دهي انفجار گاز جهت انجام 40 آزمايش با شرايط آزمايشگاهي مختلف استفاده شده است. نتايج تجربي شامل تاثير ميزان ايمپالس، ضخامت ورق فلزي و روكش پلي اوره و چگالي سطحي بر بيشترين خيز دائمي ساختار دولايه است. در بخش مدل سازي، طراحي بهينه چند هدفي داده هاي آموزش و ارزيابي قابليت پيش بيني مدل به دست آمده با استفاده از سيستم استنتاج فازي-عصبي تطبيقي (ANFIS) و الگوريتم ژنتيك انجام شده است. در ادامه روند بهينه سازي چند هدفي از ديد دو تابع هدف، مجموعه اي از نقاط غير برتر بهينه به نام منحني پارتو تشكيل شد كه به عنوان نقاط طراحي محسوب شدند. كاربرد الگوريتم ژنتيك به منظور طراحي بهينه پارامترهاي توابع عضويت گوسي در بخش ورودي و روش كمترين مربعات براي محاسبه بردار ضرايب خطي بخش نتايج ساختار فازي-عصبي است. سنجش ميزان دقت مدل پيشنهادشده با مقايسه مجموعه داده هاي آزمايشگاهي و دادهاي مدل شده با استفاده از آماره هاي ضريب تبيين (R2) و ميانگين مجذور مربعات خطاي داده هاي آموزشي و پيش بيني، مورد ارزيابي قرارگرفته است.

The objective of this paper is an experimental investigation and numerical modelling of large plastic deformation of metallic-polymeric bilayer plates under gas mixture detonation load. For this, gas detonation forming apparatus was used in the experimental section to perform 40 experiments under various experimental conditions. The experimental results include the effect of impulse value, thickness of the metal plate and polymeric coating and areal density on the maximum permanent transverse deflection of bilayer plates. In the modelling section, multiobjective optimal design of training data and evaluation the prediction capability of the obtained model has been achieved by adaptive neuro-fuzzy inference system (ANFIS) and genetic algorithm. In proceeding of multiobjective optimization procedure from the aspect of two objective functions, a set of optimum non-dominated points, namely, Pareto front was constructed considering as designing points. The application of the genetic algorithm is the optimum design of Gaussian membership function parameters in preceding and least square method for calculation of linear coefficient vectors in the consequent part of the neuro-fuzzy structure. The evaluation of the accuracy of the proposed model has been investigated by comparing the experimental results with modeling data sets using the coefficient of determination (R2) and root-mean-square error for training and prediction data sets.