Optimization of Flash, Billet Dimensions and Friction Factor in Closed Die Cold Forging Process
محورهای موضوعی : فصلنامه شبیه سازی و تحلیل تکنولوژی های نوین در مهندسی مکانیک
مهدی ظهور
1
(استادیار، دانشگاه صنعتی خواجه نصیرالدین طوسی و دانشگاه آزاد واحد علوم و تحقیقات تهران ، دانشکده مهندسی مکانیک.)
حسین شاهوردی
2
(استادیار، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده مهندسی مکانیک و هوافضا.)
امین تفکری
3
(دانشجوی کارشناسی ارشد، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، دانشکده مهندسی مکانیک و هوافضا.)
کلید واژه: Genetic Algorithm, Neural network, forging, Billet, Flash, Closed die, FEM Method,
چکیده مقاله :
Three important parameters in designing a closed die for forging process are ratio of width to flash thickness, ratio of height to billet diameter and the friction factor. In this paper the influences of these parameters on the required force for the forging and percentage of die filling were investigated. It was found that by controlling the flash dimension, the material loss is reduced and the percentage of die filling is increased. Also, an experimental model was simulated and analyzed by finite element method. To validate the numerical results obtained by this research, value of gained force from finite element method was compared with the obtained experimental results. In order to coordinate and connect between the mentioned parameters and obtain a performance function, a two layer neural network was used. Finally, by using neural network and genetic algorithm, the optimum sets of parameters which minimized the force and maximized the percentage of die filling were found. These values were compared with the experimental results of other researchers. The genetic algorithm has good correlation with the experimental method as well as it has presented acceptable estimation for effective parameters in the forging process.
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.
