مقاله مدل سازی زبری سطح (RA) و نرخ برداشت براده برداری (MRR) در ماشین کاری تخلیه الکتریکی (EDM) با شبکه عصبی- فازی و بهینه سازی آن با استفاده از الگوریتم ژنتیک

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله مدل سازی زبری سطح (RA) و نرخ برداشت براده برداری (MRR) در ماشین کاری تخلیه الکتریکی (EDM) با شبکه عصبی- فازی و بهینه سازی آن با استفاده از الگوریتم ژنتیک دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله مدل سازی زبری سطح (RA) و نرخ برداشت براده برداری (MRR) در ماشین کاری تخلیه الکتریکی (EDM) با شبکه عصبی- فازی و بهینه سازی آن با استفاده از الگوریتم ژنتیک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله مدل سازی زبری سطح (RA) و نرخ برداشت براده برداری (MRR) در ماشین کاری تخلیه الکتریکی (EDM) با شبکه عصبی- فازی و بهینه سازی آن با استفاده از الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله مدل سازی زبری سطح (RA) و نرخ برداشت براده برداری (MRR) در ماشین کاری تخلیه الکتریکی (EDM) با شبکه عصبی- فازی و بهینه سازی آن با استفاده از الگوریتم ژنتیک :

تعداد صفحات:۱۲
چکیده:
فرایند EDM یکی از روش های پیشرفته براده برداری است که در آنولتاژ پالسی و منقطع برقرار شده بین دو الکترود ابزار و قطعه کار (که هر دو در سیالی به نام دی الکتریک غوطه ورند) باعث ایجاد جرقه در نزدیک ترین نقطه در حدفاصل بین آنها گردیده و هر جرقه جزء کوچکی از ماده سطح قطعه کار را جدا می کند و در نهایت بعد از تعداد زیادی جرقه شکل مکمل پیشانی ابزار دروروی قطعه کار حک می گردد. مدل سازی کلاسیک از نخستین قدم خطای بزرگی مرتکب می شود که فقط در سیستم های ساده (خطی با نزدیک به خطی) قابل صرف نظر است و آن محاسبه ی شاخص های تمایل به مرکز و پراکندگی است که به این ترتیب امنیت فردی تک تک داده ها از بین می رود و در نتیجه سیستم قادر به کشف پیچیدگی ها نخواهد بود، و برای اغلب مهندسی با ویژگی های گوناگون و روابط غیر خطی قابل استفاده نمی باشد. در این تحقیق یک مدل شبکه انفیس بر مبنای داده های حاصل از مدل مقیاس آزمایشگاهی برای شبیه سازی ارائه گردیده است. برای این منظور از یک سیستم شبکه عصبی فازی استفاده شده که پارامترهای شبکه فازی توسط الگوریتم زنتیک بهینه گردیده است.