بهینه سازی نرخ براده برداری ماشینک اری 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 ماشینک اری تخلیه الکتریکی با سیم بر روی مواد نانو کامپوزیت سرامیک تیتانیوم دی بوراید دارای ۱۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد بهینه سازی نرخ براده برداری ماشینک اری 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 ماشینک اری 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 ماشینک اری تخلیه الکتریکی با سیم بر روی مواد نانو کامپوزیت سرامیک تیتانیوم دی بوراید :

تعداد صفحات :۱۳

چکیده مقاله:

ماشین کاری تخلیه الکتریکی با سیم (وایرکات)، روشی تقریباً جدید برای ساخت قطعات دقیق، پیچیده و همچنین برش موادرسانا (نیمه رسانا) با سختی بالا می باشد، تحقیقات مختلفی به منظور بهینه سازی متغیرهای این فرآیند انجام پذیرفته است. اینمطالعات نشان می دهد، کارایی فرآیند ماشین کاری تخلیه الکتریکی با سیم، ارتباط نزدیکی با چگونگی انتخاب پارامترهایماشین کاری دارد. در این تحقیق، بعد از بررسی اثر پارامترهای مختلف روی کارایی فرایند ماشین کاری تخلیه الکتریکی، به مدلسازی فرایند و سپس بهینه سازی پارامترهای ماشین کاری پرداخته می شود. کلیه ی آزمایش ها، روی قطعه کاری از جنس تیتانیومدی بوراید -که با توجه به سختی بالا و دانسیته ی کم که باعث کاربرد این ماده در صنایع نظامی کشورهای مختلف در بخشساخت موشک های بالستیک و فضا نوردها شده – انجام شده است.متغیرهای ورودی در این تحقیق پارامترهای توان تخلیه الکتریکی ، ولتاژ مدار باز ، ولتاژ سروو ، سرعت تغذیه سیم ،زمان خاموشیپالس می باشند همچنین نرخ براده برداری به عنوان متغیر خروجی فرآیند مورد ارزیابی قرار می گیرد . در ابتدا با استفاده ازداده های بدست آمده از آزمایشات تجربی، یک شبکه عصبی مصنوعی آموزش داده شده است تا مقادیر خروجی فرآیند را پیشبینی کند . در ادامه مدل شبکه عصبی طراحی شده با الگوریتم بهینه سازی گروهی ذرات ترکیب شده است تا مقادیر بهینه یپارامترهای ورودی تعیین شوند . نتایج نشان می دهند که ترکیب شبکه عصبی با الگوریتم بهینه سازی گروهی ذرات (PSO)بخوبی می تواند مقادیر بهینه پارامترهای تنظیمی را بمنظور کسب بهترین نرخ براده برداری تعیین نماید . نتایج نشان می دهد.