مقایسه روش‌های شبکه عصبی مصنوعی در مدل‌سازی فرایند تراش کاری ماده مرکب زمینه پلیمری

Abstract

در این تحقیق ماده مرکب زمینه اپوکسی پرشده با ذرات آلومینیم تهیه گردیده و با تغییر شرایط مختلف تراش‌کاری شامل: سرعت برش، کسر وزنی ذرات، عمق برش و نرخ پیشروی از قطعات مواد مرکب براده‌برداری صورت گرفته است. سپس زبری سطح قطعات اندازه‌گیری شده و برای پیش‌بینی اثر چهار عامل تراش‌کاری بر زبری سطح قطعات، با استفاده از دو نوع شبکه عصبی شامل: شبکه عصبی چند لایه پرسپترون و شبکه عصبی با تابع پایه شعاعی، مدل‌سازی انجام شده است. ضرایب همبستگی بین داده‌های خروجی مدل‌ها و داده‌های تجربی نشان داده است که شبکه چند لایه پروسپترون نسبت به شبکه با تابع پایه شعاعی انطباق بهتری با نتایج آزمایشگاهی نشان می‌دهد (ضریب همبستگی 835/0 برای شبکه چند لایه پرسپترون و 524/0 برای شبکه با تابع پایه شعاعی). به علت دارا بودن ضریب همبستگی بالاتر در شبکه عصبی چند لایه پرسپترون، این شبکه برای مدل‌سازی تاثیر عوامل تراش‌کاری بر زبری سطح پیشنهاد شده است.