بهینهسازی ابعاد پلیسه، قطعه کار و فاکتور اصطکاک در فورجینگ سرد با قالب بسته
Subject Areas : Journal of Simulation and Analysis of Novel Technologies in Mechanical Engineeringمهدی ظهور 1 , حسین شاهوردی 2 , امین تفکری 3
1 - استادیار، دانشگاه صنعتی خواجه نصیرالدین طوسی و دانشگاه آزاد واحد علوم و تحقیقات تهران ، دانشکده مهندسی مکانیک.
2 - استادیار، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده مهندسی مکانیک و هوافضا.
3 - دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده مهندسی مکانیک و هوافضا.
Keywords: الگوریتم ژنتیک, شبکه عصبی, روش المان محدود, ابعاد پلیسه و قطعه کار, اصطکاک, فورج, قالب بسته,
Abstract :
در این مقاله، در طراحی فرایند فورجینگ با قالبهای بسته غیر دقیق برای قطعات متقارن محوری، سه پارامتر نسبت عرض به ضخامت پلیسه، نسبت ارتفاع به قطر قطعه کار (بیلت) و فاکتور اصطکاک، با روش اجزا محدود مورد بررسی قرار گرفته است. همچنین دو عامل مهم در فرایند فورج شامل نیروی لازم برای فورج و مقدار پرشدن فضای داخلی قالب بررسی گردید. با کنترل ابعاد پلیسه، امکان کاهش مقدار دور ریز مواد مصرفی و افزایش درصد پرشدن قالب ایجاد میشود. برای اعتبار سنجی نتایج این کار تحقیقاتی، مقدار نیروی بهدست آمده از روش اجزا محدود با مقدار نیروی کار تجربی مقایسه شده است. برای هماهنگ کردن و ارتباط دادن بین پارامترهای مذکور و بهدست آوردن تابع عملکرد، شبکه عصبی دولایه بکار گرفته شده است. با بهکارگیری تابع بهدست آمده از شبکه عصبی و استفاده از الگوریتم ژنتیک، فاکتور اصطکاک و ابعاد پلیسه و قطعهکار برای کاهش مقدار نیرو و افزایش درصد پر شدن قالب بهدست آمد. سپس، این مقادیر با نتایج کار تجربی مرجع دیگر، مقایسه شده است. الگوریتم ژنتیک تخمین قابل قبولی برای پارامترهای مؤثر در فرایند فورج ارائه کرد، به طوریکه تطابق و نزدیکی خوبی بین نتایج این الگوریتم و روش تجربی وجود دارد.
اردیبهشت ۱۳۸۵.
[2] Sheridan S. A., Forging Design HandBook, American Society For Metals, MetaPark, Ohio, 1972.
[3]Ranatunga V. R., Gunasekera J. S.,Use of UBET For Design Of Flash Gap in Closed Die Forging, Journal of Materials Processing Technology, Vol. 111, 2001, pp. 107-112.
[4] Tavangar R., Taheri A. K. Prediction of Optimum Flash Dimention in Axisymmetric Closed Die Forging, Second. Mech. Int. Conf., Shiraz University, May 1996.
[5]Saniee F., Jaafari M., Analytical, numerical and experimental analyses of the close die forging, Journal of Materials Processing Technology, 2002, pp. 334-340.
[6] www.matweb.com
[7]Rumelhart D. E., Hinton G. E., Williams R.J., Learning internal representation by error propagation, Parallel Distributed Processing, Vol. 1, 1986, pp. 318–362 .
[8] Holland J. H., Genetic Algoritm Scientific American” ,ASM Intl, July 1992, pp 44-50.
[10] Gen M., Cheng R., Genetic Algoritm and Engineering Design, ASM Intl, 1997.
[9]Hagan M. T., Menhaj M., Training feed forward networks with the marquardt algorithm, IEEE Transactions on Neural Network, 1994, pp. 989-993.