نوع مقاله : پژوهشی
نویسندگان
1 گروه مهندسی مکانیک- واحد نجفآباد، دانشگاه آزاد اسلامی، نجفآباد، ایران
2 مرکز تحقیقات فناوریهای نوین ساخت و تولید- واحد نجف آباد، دانشگاه آزاد اسلامی، نجفآباد، ایران
3 دانشکده مهندسی کامپیوتر- گروه مهندسی نرم افزار، دانشگاه اصفهان، اصفهان، ایران
چکیده
در این پژوهش متغیرهای اثر گذار بر روی کیفیت برش ورق اینکونل 718 در فرایند برشکاری با لیزر بررسی شده است. با کمک طراحی آزمایش به روش تاگوچی، متغیرهای ورودی شامل توان لیزر دی اکسید کربن و سرعت برش برای برش سه ضخامت مختلف از آلیاژ اینکونل 718 مورد بررسی قرار گرفت تا شرایط بهینه در نهایت بهدست آید. پس از مشخص شدن دادههای تستهای تجربی، مجموعه داده بهدست امده به کمک الگوریتم شبکه عصبی مدلسازی گردید. این مدل در مرحله بعد توسط الگوریتم بهینهسازی تجمعی ذرات (PSO) استفاده شد تا پارامترهای کاندید به دست امده را ارزیابی کند و کیفیت برش را بر این اساس پیشبینی نماید. در نهایت الگوریتم بهینهسازی تجمعی ذرات، مقدار بهینه شرایط برش را تعیین میکند. نتایج نشان داد که هنگامی که توان لیزر 1714 وات، سرعت برش 1382 میلیمتر بر دقیقه و ضخامت قطعه 8/0 میلیمتر باشد، بهترین کیفیت برای برش ورق سوپر آلیاژ اینکونل 718 با دستگاه برش لیزر دی اکسید کربن بهدست میآید. نتایج بهدست آمده برای مقادیر بهینه برای پارامترهای برش آلیاژ اینکونل با لیزر دی اکسید کربن با استفاده الگوریتم بهینهسازی تجمعی ذرات توسط یک آزمایش تجربی و تحقیقات مشابه راستی آزمایی شد. نتایج این آزمایش تجربی بسیار نزدیک به مقادیر بهینه الگوریتم بهینهسازی تجمعی ذرات است و این نشان دهنده کارایی مدل شبکههای عصبی در تخمین کیفیت برش و کارایی بهینهسازی انجام شده توسط PSO در یافتن شرایط بهینه است.
چکیده تصویری
تازه های تحقیق
- در این مقاله برش ورق اینکونل 718 در فرایند برشکاری با لیزر بررسی و مقادیر بهینه تخمین زده شده است.
- با استفاده از روش طراحی ازمایش تاگوچی داده های تجربی تحلیل شد.
- به کمک الگوریتم تجمعی ذرات مقادیر بهینه برای پارامتر های دستگاه لیزر به دست آمد.
- مقادیر بهینه به کمک تست تجربی اعتبار سنجی شد.
- پارامترهای مهم در اندازه گیری کیفیت برش شامل زوایا و زیری سطح در نظر گرفته شد.
کلیدواژهها
موضوعات
عنوان مقاله [English]
Optimizing the Cutting of Inconel 718 Sheets with CO2 Laser by Particle Swarm Algorithm
نویسندگان [English]
- Saeid Kiani 1
- Rasoul Tarkesh Esfahani 2
- Zahra Zojaji 3
1 Department of Mechanical Engineering- Najafabad Branch, Islamic Azad University, Najafabad, Iran
2 Modern Manufacturing Technologies Research Center- Najafabad Branch, Islamic Azad University, Najafabad, Iran
3 University of isfahan- Faculty of Computer Engineering, Isfahan University, Isfahan, Iran
چکیده [English]
In this paper, the impact of different operative variables on the quality of cutting of Inconel material 718 is studied. Utilizing Taguchi test design, the input variables including carbon dioxide laser power and the cutting speed for cutting three different thicknesses of Inconel 718 alloy were investigated in order to achieve the optimal conditions. After obtaining experimental test results, dataset was modeled using artificial neural networks. The neural network model is then used for evaluating candidate solutions in particle swarm optimization (PSO) algorithm which is employed for optimization of cutting conditions. The results indicated that when the laser power of is 1714 (W), the cutting speed is 1382 (mm/min) and the thickness of the material is 0.8 (mm), The best quality for cutting Inconel 718 is achieved with a carbon dioxide laser cutting machine. The results of optimal cutting parameters of Inconel alloy with carbon dioxide laser which were obtained by PSO were verified through an experimental test and similar papers. The results of this experimental test were very close to the optimal values of the PSO, which demonstrates the efficiency of neural network model in predicting the quality of cutting and the efficiency of PSO in finding optimal conditions.
کلیدواژهها [English]
- CO2 Laser Cutting
- particle swarm optimization
- Inconel 718 sheet
- Optimization
- Surface smoothness
Citation: S. Kiani, R. Tarkesh-Esfahani, Z. Zojaji, "Optimizing the cutting of inconel 718 sheets with co2 laser by particle swarm algorithm", Journal of Intelligent Procedures in Electrical Technology, vol. 13, no. 51, pp. 111-124, Secember 2022 (in Persian).