Astaraki

مدل سازي و مقايسه مدل هاي برتر فرآيند جوشكاري رباتيك قوسي
جهت پيش بيني كيفيت مطلوب جوش و انتخاب پارامترهاي مناسب

خلاصه مقاله:
جوشكاري Gas Metal Arc(GMA) ، يكي از پركاربردترين فرآيندهاي توليد به شمار مي آيد كه براي ايجاد اتصالات با كيفيت بالا بكار گرفته مي شود . همچنين، اين روش قابليت استفاده در سيستم هاي اتومات جهت افزايش قابليت توليد را دارد . در حال حاضر، گرايش به سمت فرآيند جوشكاري اتومات در صنعت رو به افزايش است . اما با وجود استفاده زياد آن در صنايع مختلف، جوشكاري تمام اتومات GMA هنوز با مشكلاتي مواجه است . يكي از اساسي ترين مشكلات فقدان الگوريتم مناسب براي استخراج رابطه موجود بين متغيرهاي جوشكاري و هندسه جوش است . زيرا با كنترل
هندسه جوش مي توان خواص مكانيكي را نيز كنترل نمود . دراين بررسي چند مدل بهينه شده رياضي براي پيش بيني عمق نفوذ جوش با استفاد از روش رگرسيون چند گانه، شبكه عصبي MLP 1 و SANN 2 ارائه شد . نتايج نشان داد كه مدل هاي پيشنهادي ميتوانند عمق نفوذ جوش را با دقت قابل قبولي، پيش بيني نمايند . در بين 5 مدل ارايه شده، مدل شبكه عصبيMLP با دقت بالاتري عمق نفوذ را پيش بيني مي كند . در ادامه با كمك الگوريتم تبريد تدريجي مقادير بهينه پارامترهاي ورودي مدل MLP كه كيفيت مطلوب را ايجاد مي كند، تخمين زده شد . اين مقادير با مقاديرحاصل
از نتايج Karadeniz و همكاران [12] مقايسه گرديد .

كلمات كليدي:
جوشكاري رباتيك، مدل سازي، شبكه عصبي، بهينه سازي، الگوريتم تبريد تدريجي

فايل ضميمه

1008881.pdf (307.8 كيلو بايت, 235 نمايش)

__________________

تعرفه ارزان تبلیغات در اولین و بزرگترین سایت هوش مصنوعی ایران !
با بیش از صد و چهل هزار کاربر!

aria136

hi
it 's very good

taheere

سپاس ممنون از مقاله خوبتون

__________________