| dc.contributor.author | جعفریان, فرشید | fa_IR |
| dc.contributor.author | فلاح, محمد مقداد | fa_IR |
| dc.contributor.author | دهقانی, سجاد | fa_IR |
| dc.date.accessioned | 1402-11-06T01:06:26Z | fa_IR |
| dc.date.accessioned | 2024-01-26T01:06:36Z | |
| dc.date.available | 1402-11-06T01:06:26Z | fa_IR |
| dc.date.available | 2024-01-26T01:06:36Z | |
| dc.date.issued | 2023-10-01 | en_US |
| dc.date.issued | 1402-07-09 | fa_IR |
| dc.identifier.citation | جعفریان, فرشید, فلاح, محمد مقداد, دهقانی, سجاد. (1402). پیش بینی سایش ابزار در ماشینکاری فولاد سخت کاری شده با استفاده از مطالعات تجربی و شبکه عصبی مصنوعی. مهندسی مکانیک مدرس, 23(10), 89-93. | fa_IR |
| dc.identifier.issn | 1027-5940 | |
| dc.identifier.issn | 2476-6909 | |
| dc.identifier.uri | http://mme.modares.ac.ir/article-15-72736-other.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/1063024 | |
| dc.description.abstract | span dir=RTL lang=AR-SA style=font-size:11.0ptspan style=line-height:97%span calibri= style=font-family:span style=color:blackتوانایی پیشshy;shy;بینی سایش ابزار در هنگام ماشینکاری بخش بسیار مهمی از تشخیص است که باعث میshy;شود ابزار در زمان مربوطه جایگزین شود. ازاین‌رو، در این پژوهش از رویکرد شبکه عصبی مصنوعی برای پیشshy;بینی سایش ابزار استفاده شد. ابتدا فولاد سخت‌کاری شده 4140 با ابزار کاربید سیمانی بدون پوشش /span/span/span/spanspan style=font-size:12.0ptspan style=line-height:97%span calibri= style=font-family:span style=color:blackTCMW 16T304 H13A/span/span/span/spanspan dir=RTL style=font-size:11.0ptspan style=line-height:97%span calibri= style=font-family:span style=color:black و با پارامترهای ورودی شامل سرعت برشی، نرخ پیشروی و زمان ماشینکاری در سه سطح مختلف و با عمق برش ثابت تراشکاری شد و میزان سایش ابزار اندازهshy;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 لایهshy;های اول و دوم پنهان و 1 گره در لایه خروجی برای پیشshy;بینی سایش ابزار به دست آمد. مقادیر پیشshy;بینی مدل شبکه عصبی مصنوعی با نتایج تجربی مقایسه شد و میانگین درصد خطای دادهshy;های اعتبارسنجی برابر با 32/3/span/span/span/span span dir=RTL lang=AR-SA style=font-size:11.0ptspan style=line-height:97%span calibri= style=font-family:span style=color:blackدرصد محاسبه شد./span/span/span/span | fa_IR |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.publisher | دانشگاه تربیت مدرس | fa_IR |
| dc.relation.ispartof | مهندسی مکانیک مدرس | fa_IR |
| dc.relation.ispartof | Modares Mechanical Engineering | en_US |
| dc.subject | شبکه عصبی مصنوعی | fa_IR |
| dc.subject | فولاد 4140 | fa_IR |
| dc.subject | ماشینکاری | fa_IR |
| dc.subject | سایش ابزار | fa_IR |
| dc.subject | سرعت برشی | fa_IR |
| dc.title | پیش بینی سایش ابزار در ماشینکاری فولاد سخت کاری شده با استفاده از مطالعات تجربی و شبکه عصبی مصنوعی | fa_IR |
| dc.type | Text | en_US |
| dc.contributor.department | مرکز آموزش عالی محلات | fa_IR |
| dc.contributor.department | دانشگاه تربیت دبیر شهید رجایی | fa_IR |
| dc.contributor.department | دانشگاه تربیت دبیر شهید رجایی | fa_IR |
| dc.citation.volume | 23 | |
| dc.citation.issue | 10 | |
| dc.citation.spage | 89 | |
| dc.citation.epage | 93 | |
