بهينه‌سازي‬ نرخ براده برداري در ماشين‌كاري تخليه الكتريكي بر روي آلياژ DIN 1.2080 با كمك روش شبكه عصبي و الگوريتم ژنتيك

Optimization of Material Removal Rate in Electrical Discharge Machining Alloy on DIN1.2080 with the Neural Network and Genetic Algorithm

فرآ?ند ماشين‌كاري تخل?ه الكتر?ك? ?ك? از پركاربردتر?ن روش‌هاي ماشين‌كاري غير سنتي براي براده برداري قطعات هادي جر?ان? الكتر?س?ته است كه دستيابي به قطعه‌‌هايي باكيفيت سطح مناسب و نرخ براده‌برداري بالا در آن از اهميت زيادي برخوردار است. با توجه به كاربرد وسيع و روزافزون آلياژ DIN1.2080 در صنايع مختلف ازجمله قالب‌سازي، ابزارهاي تراشكاري، برقوزنها، خانكشي، گيوتين‌هاي برش و... به‌دست آوردن شرايط بهينه ماشين‌كاري آن حايز اهميت است. لذا هدف اصلي در اين تحقيق بررس? تاث?ر پارامترهاي ورودي شامل ولتاژ،? شدت‌جريان، زمان روشن? پالس و زمان خاموشي پالس بر روي نرخ براده‌برداري و بهينه‌سازي آن در ماشين‌كاري تخل?ه الكتر?ك? آلياژ DIN1.2080 است لذا جهت دستيابي به نتيجه مطلوب پس از انجام آزمايش‌هاي متعدد به كمك روش طراحي آزمايش تاگوچي و دترمينان بهينه به‌منظور پيش‌بيني و بهينهسازي نرخ برداشت براده از روش شبكه عصبي و الگوريتم ژنتيك استفاده‌شده است. در ادامه بهينه‌سازي پارامتر‌‌‌‌‌‌‌هاي ورودي به‌منظور بيشينه كردن نرخ برداشت براده صورت پذيرفت. در اين حالت با فرايند كاهش زمان، كاهش هزينه‌هاي توليد ‌به‌دست مي‌آيد. پارامترهاي بهينه در اين آزمايش در شرايط شدت‌جريان 20 آمپر، ولتاژ 160 ولت، زمان روشني پالس 100 ميكروثانيه و زمان خاموشي پالس 12 ميكروثانيه به‌دست آمد كه در اين صورت به ميزان نرخ براده‌برداري 063/0 سانتي‌متر مكعب بر دقيقه دست‌يافته شد. سپس با انجام آزمايش صحه‌گذاري ميزان خطا و دقت اين روش سنجيده شد. با توجه به ميزان خطاي به‌دست آمده كه حدود 18/5 % بوده است روش استفاده شده براي الگوريتم ژنتيك مناسب ارزيابي شد

Electrical discharge machining process is one of the most Applicable methods in Non-traditional machining for Machining chip in Conduct electricity Piece that reaching to the Pieces that have good quality and high rate of machining chip is very important. Due to the rapid and widespread use of alloy DIN1.2080 in different industry such as Molding, lathe tools, reamer, broaching, cutting guillotine, etc. Reaching to optimum condition of machining is very important. Therefore the main aim in this article is to consider the effect of input parameter such voltage, Current strength, on-time pulse and off-time pulse on the machining chip rate and optimizing this in the electrical discharge machining for alloy DIN1.2080. So to reach better result after doing some experiments to predict and optimize the rate of removing chip, neural network method and genetic algorithm are used. Then optimizing input parameters to maximize the rate of removing chip are performed. In this condition, by decreasing time, the product cost is decreased. Optimum parameters in this experiment in this condition are obtained under Current strength 20 ampere, 160 volt, on-time pulse 100 micro second and off-time pulse 12 micro second that is obtained 0.063 cm3/min as rate of machining chip. After doing experiment, surveying the level of error and its accuracy are evaluated. According to the obtained error value that is about 5.18%, used method is evaluated for genetic algorithm