پیش بینی سایش ابزار در ماشینکاری فولاد سخت کاری شده با استفاده از مطالعات تجربی و شبکه عصبی مصنوعی

توانایی پیش بینی سایش ابزار در هنگام ماشین کاری بخش بسیار مهمی از تشخیص است که باعث می شود ابزار در زمان مربوطه جایگزین شود. ازاین رو، در این پژوهش از رویکرد شبکه عصبی مصنوعی برای پیش بینی سایش ابزار استفاده شد. ابتدا فولاد سخت کاری شده 4140 با ابزار کاربید سیمانی بدون پوشش TCMW 16T304 H13A و با پارامترهای ورودی شامل سرعت برشی، نرخ پیشروی و زمان ماشین کاری در سه سطح مختلف و با عمق برش ثابت تراشکاری شد و میزان سایش ابزار اندازه گیری شد و از نتایج آزمایش تجربی برای آموزش و اعتبارسنجی شبکه عصبی مصنوعی استفاده شد. معماری بهینه شبکه عصبی با 3 گره در لایه ورودی، دو لایه پنهان با 12 و 36 گره به ترتیب در لایه های اول و دوم پنهان و 1 گره در لایه خروجی برای پیش بینی سایش ابزار به دست آمد. مقادیر پیش بینی مدل شبکه عصبی مصنوعی با نتایج تجربی مقایسه شد و میانگین درصد خطای داده های اعتبارسنجی برابر با 32/3 درصد محاسبه شد.