بررسي عددي و تجربي پارامترهاي روش شكل‌‌دهي تدريجي ورق و بهينه‌سازي چند هدفه‌ توسط الگوريتم عصبي-ژنتيك

Numerical and Experimental Investigation of Incremental Sheet Metal Forming Parameters and Multi-objective Optimization Using Neural-genetic Algorithm

روش شكل‌دهي تدريجي ورق فلزي از جمله روش‌هاي نوين و بسيار انعطاف‌پذير در فناوري شكل‌دهي ورق‌هاي فلزي است كه براي توليد قطعات به تعداد كم و ساخت مدل نمونه اوليه، مورد استفاده قرار مي‌گيرد. براي توليد قطعات با خواص مطلوب، با بيشترين كيفيت و كمترين هزينه، تعيين ميزان بهينه براي پارامترهاي فرايند ضروري مي‌باشد. در اين تحقيق پس از شبيه‌سازي فرايند با استفاده از نرم‌افزار آباكوس، تاثير سه پارامتر شامل ضريب اصطكاك، قطر ابزار و اندازه گام عمودي بر سه پارامتر نيروي عمودي ابزار، ضخامت ورق تغيير شكل يافته و مقدار برگشت فنري با استفاده از مدل اجزاي محدود در سطوح مختلف بررسي شد. سپس با استفاده از اطلاعات به دست آمده، مدلي توسط شبكه عصبي مصنوعي در نرم‌افزار مت‌لب به دست آمده و سپس اين مدل به عنوان تابع ورودي به الگوريتم بهينه‌سازي ژنتيك چند هدفه ارايه گرديد تا پارامترهاي بهينه فرايند جهت به دست آمدن حداقل نيروي عمودي، حداقل برگشت فنري و حداقل كاهش ضخامت به دست آيند و جبهه پارتوي مربوطه حاصل شود.

The Incremental Sheet Metal Forming (ISMF) process is a new and flexible method that is well suited for small batch production or prototyping. In this study, after the process simulation with ABAQUS software and verification of results through experimental tests, the effects of three parameters including friction coefficient, tool diameter and vertical step size on three objectives including vertical force, minimum thickness of deformed sheet and amount of spring-back are investigated. A neural-network model is developed based on simulation data and the effects of parameters are studied on each objective. Also multi-objective genetic algorithm is performed to get the Pareto front of optimum points.