مدل‌سازي و بهينه‌سازي چند هدفه فرايند اكستروژن پيچشي

Modeling and multiobjective optimization of twist extrusion process

در اين مقاله بهينه‌سازي چند هدفه فرايند اكستروژن پيچشي براي يك قطعه آلومينيومي‌بررسي شده است. زاويه اكستروژن، ضريب اصطكاك و سرعت بارگذاري به عنوان متغيرهاي طراحي و كرنش ايجاد شده، ميزان همگني كرنش و نيروي اكستروژن به عنوان توابع هدف در نظر گرفته شده‌اند. ابتدا چندين نمونه به وسيله روش المان محدود شبيه‌سازي شدند و با استفاده از نتايج شبيه‌سازي يك شبكه عصبي مصنوعي براي مدل‌سازي فرايند اكستروژن پيچشي با موفقيت آموزش داده شد. سپس بهينه‌سازي چند هدفه توسط روش الگوريتم ژنتيك و تلفيق آن با شبكه عصبي مصنوعي آموزش ديده شده انجام شد. نتايج نهايي به صورت نقاط غيرمغلوب پرتو استخراج شده و به كمك دياگرام‌هاي سطح محدوده بهترين مقدار براي زاويه اكستروژن، ضريب اصطكاك و سرعت حركت پانچ به ترتيب درحدود ، 7/0 و mm/s 7 به‌دست آمد. در خاتمه با تشكيل و آناليز سطوح پاسخ براي هريك از توابع هدف، نشان داده شد كه زاويه اكستروژن و ضريب اصطكاك موثرترين پارامترهاي فرايند براي اكستروژن پيچشي در دماي اتاق هستند.

In this paper, the artificial neural network based multi-objective optimization of twist extrusion process is carried out. The target purpose functions are equivalent plastic strain, strain distribution and extrusion force. The design variables are twistangle, friction factor and loading rate. The FEM model of the process is ?rst created and used to create training cases for the ANN, and the well-trained ANN is used as a quick and exact model of the process. Then theoptimization of the design variables is conducted by an integrated genetic algorithm and ANN modelto create a set of optimal solutions (Pareto front). Leveldiagrams are then used to select the best solution from the Pareto front. Finallythe response surface methodology has been used to study the interaction between the design parameters. The obtained results show thatthe best range of twist angle is from 0.7 to 45 degree, friction factor from 0.65 to 0.7 and loading rate from 6.5 to 7 mm/s. Also variables with the largest effect on the process are twist angle and friction factor.