مقايسه روش‌هاي شبكه عصبي مصنوعي در مدل‌سازي فرايند تراش‌كاري ماده مركب زمينه پليمري

در اين پژوهش ماده مركب زمينه اپوكسي پرشده با ذرات آلومينيم تهيه گرديد و با تغيير شرايط مختلف تراش‌كاري شامل: سرعت برش، كسر وزني ذرات، عمق برش و نرخ پيشروي از قطعات مواد مركب براده‌برداري صورت گرفت. سپس زبري سطح قطعات، اندازه‌گيري شد. براي پيش‌بيني اثر چهار عامل تراش‌كاري بر زبري سطح قطعات، با استفاده از دو نوع شبكه عصبي شامل: شبكه عصبي چند لايه پرسپترون و شبكه عصبي با تابع پايه شعاعي، مدل‌سازي انجام شد. ضرايب همبستگي بين داده‌هاي خروجي مدل‌ها و داده‌هاي تجربي نشان داد كه شبكه چند لايه پرسپترون نسبت به شبكه با تابع پايه شعاعي انطباق بهتري با نتايج آزمايشگاهي دارد (ضريب همبستگي 835/0 براي شبكه چند لايه پرسپترون و 524/0 براي شبكه با تابع پايه شعاعي). به علت دارا بودن ضريب همبستگي بالاتر در شبكه عصبي چند لايه پرسپترون، اين شبكه براي مدل‌سازي تاثير عوامل تراش‌كاري بر زبري سطح پيشنهاد شد.