بهینه سازی نرخ براده برداری فرایند ماشین کاری تخلیه الکتریکی با سیم بر روی مواد نانو کامپوزیت سرامیک تیتانیوم دی بوراید

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

 بهینه سازی نرخ براده برداری فرایند ماشین کاری تخلیه الکتریکی با سیم بر روی مواد نانو کامپوزیت سرامیک تیتانیوم دی بوراید دارای ۱۲ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهینه سازی نرخ براده برداری فرایند ماشین کاری تخلیه الکتریکی با سیم بر روی مواد نانو کامپوزیت سرامیک تیتانیوم دی بوراید  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 بهینه سازی نرخ براده برداری فرایند ماشین کاری تخلیه الکتریکی با سیم بر روی مواد نانو کامپوزیت سرامیک تیتانیوم دی بوراید،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن بهینه سازی نرخ براده برداری فرایند ماشین کاری تخلیه الکتریکی با سیم بر روی مواد نانو کامپوزیت سرامیک تیتانیوم دی بوراید :

تعداد صفحات :۱۲

چکیده مقاله:

ماشین کاری تخلیه الکتریکی با سیم ( وایرکات )، روشی تقریباً جدید برای ساخت قطعات دقیق، پیچیده و همچنین برش مواد رسانه ها (نیمه رسانه ها) با سختی بالا می باشد، تحقیقات مختلفی به منظور بهینه سازی متغیرهای این فرایند انجام پذیرفته است. این مطالعات نشان می دهد کارایی فرایند ماشین کاری تخلیه الکتریکی با سیم، ارتباط نزدیکی با چگونگی انتخاب پارامترهای ماشین کاری دارد. در این تحقیق، در دست بررسی اثر پارامترهای مختلف روی کارایی فرایند ماشین کاری تخلیه الکتریکی، به مدل سازی فرایند و سپس بهینه سازی پارامترهای ماشین کاری پرداخت می شود. کلیه آزمایش ها به روی قطعه کاری از جنس تیتانیوم دی بوراید – که با توجه به سختی بالا و دانسیته کن که باعث کاربرد این ماده در صنایع نظامی کشورهای مختلف در بخش ساخت موشک های بالستیک و فضانورد ها شده – انجام شده است. متغیرهای ورودی در این تحقیق پارامترهای توان تخلیه الکتریکی، ولتاژ مدار باز، ولتاژ سروو ، سرعت تغذیه سیم، زمان خاموشی پالس می باشند همچنین نرخ براده برداری به عنوان متغیر خروجی فرایند مورد ارزیابی قرار می گیرد. در ابتدا با استفاده از داده های به دست آمده از آزمایشات تجربی، یک شبکه عصبی مصنوعی آموزش داده شده است تا مقادیر خروجی فرایند را پیش بینی کند. در ادامه مدل شبکه عصبی طراحی شده با الگوریتم بهینه سازی گروهی ذرات ترکیب شده است و مقادیر بهینه ی پارامترهای ورودی تعیین شوند. نتایج نشان می دهند که ترکیب شبکه عصبی با الگوریتم بهینه سازی گروهی ذرات ( PSO)به خوبی می تواند مقادیر بهینه پارامترهای تنظیمی را به منظور کسب بهترین نرخ براده برداری نعیین نماید نتایج نشان می دهد