پیش بینی نرخ براده برداری و زبری سطح در فرایند ماشین کاری تخلیه الکتریکی بر اساس مدلهای شبکه عصبی

طبیعت پیچیده و اتفاقی فرآیند ماشینکاری تخلیه الکتریکی سبب بی نتیجه ماندن تلاشهای زیادی به منظور مدل سازی فیزیکی آن شده است. در این مقاله از دو شبکه عصبی با نظارت پس انتشار و تابع پایه شعاعی برای مدل سازی فرآیند استفاده شده است. شبکه ها دارای سه ورودی جریان، ولتاژ و دوره تناوب پالس ها به عنوان متغیرهای مستقل فرآیند و دو خروجی نرخ براده برداری و صافی سطح به عنوان مشخصه های عملکردی می باشند. آموزش شبکه ها با استفاده از داده های تجربی حاصل از آزمایش صورت گرفته و توانایی های مدل ها در پیش بینی رفتار ماشینکاری مورد تایید قرار گرفته است. جهت مقایسه، مدل رگرسیون مرتبه دوم نیز برای تخمین خروجی های فرآیند به کار گرفته شده است. خروجی های حاصل از مدل های عصبی و رگرسیون با نتایج تجربی مقایسه شده و مقادیر خطاهای نسبی محاسبه گردیده اند. بر اساس این خطاهای تاییدی، نشان داده شده که شبکه عصبی با تابع پایه شعاعی عملکرد بهتری در این حالت خاص دارد و به ترتیب دارای مقادیر متوسط خطای %11/8 و %73/5 در پیش بینی نرخ براده برداری و صافی سطح می باشد. تحلیل بیشتر فرآیند ماشینکاری تحت شرایط مختلف ورودی مورد بررسی قرار گرفته است و مقایسه نتایج مدل سازی با ملاحظات تئوری، انطباق خوبی را نشان می دهد که کارایی و موثر بودن روش به کار گرفته شده را نیز مورد تایید قرار می دهد.