مدلسازی ماشینکاری تنگستن کارباید(۱۰ Co -WC)درفرایند EDM و USEDMبا استفاده از الگوریتم فازی و بهینه سازی آن توسط الگوریتم ژنتیک
نام نخستين پديدآور
/گوهر رنجبری
وضعیت نشر و پخش و غیره
نام ناشر، پخش کننده و غيره
: فنی و مهندسی مکانیک
مشخصات ظاهری
نام خاص و کميت اثر
۱۱۷ص.
ساير جزييات
: مصور، جدول، نمودار، عکس۳۰*۲۹س.م-+ یک لوح فشرده
یادداشتهای مربوط به نشر، بخش و غیره
متن يادداشت
چاپی
یادداشتهای مربوط به کتابنامه ، واژه نامه و نمایه های داخل اثر
متن يادداشت
واژه نامه بصورت زیرنویس
متن يادداشت
کتابنامه ص.: ۱۰۷-۱۱۰
یادداشتهای مربوط به پایان نامه ها
جزئيات پايان نامه و نوع درجه آن
کارشناسی ارشد
نظم درجات
مکانیک- ساخت و تولید
زمان اعطا مدرک
۱۳۸۷/۱۱/۲۵
کسي که مدرک را اعطا کرده
تبریز
یادداشتهای مربوط به خلاصه یا چکیده
متن يادداشت
فرایند EDM یکی از روشهای پیشرفت براده برداری است که در آن ولتاژ پالسی و منقطع برقرار شده بین دو الکترود ابزار و قطعه کار( که هر دو در سیالی به نام دی الکتریک غوطه ورند) باعث ایجاد جرقه در نزدیک ترین نقطه در حد فاصل بین آنها گردیده و هر جرقه جزء کوچکی از ماده سطح قطعه کار را جدا می کند و در نهایت بعد از تعداد زیادی جرقه شکل مکمل پیشانی ابزار در روی قطعه کار حک می گردد .در چند دهه اخیر جهت ماشینکاری مواد سخت که ماشینکاری آنها توسط روشهای سنتی مشکل است، فرایند EDM به عنوان مناسب ترین فرایند پیشنهاد و به کار گرفته شده است .به علت طبیعت پیچید فرایند EDM در سال های اخیر تلاشهای زیادی جهت مدل نمودن مشخصه های مختلف آن به عمل آمده است .هدف این پایان نامه استفاده از قابلیت روش مدلسازی فازی جهت ایجاد ارتباط مابین پارامترهای ورودی( شدت جریان، زمان روشنی پالس وپارام-ترهای خروجی (نرخ براده برداری، فرسایش نسبی ابزار و زبری سطح) در ماشینکاری تخلیه الکتریکی با و بدون ارتعاشات آلتراسونیک ابزار مسی جهت ماشینکاری تنگستن کارباید(۱۰ Co - WC)می باشد .نتایج این تحقیق نشان می دهد، مدل فازی، انتخاب دقیق و آسان پارامترهای ورودی را میسر می سازد و به کاهش زبری سطح، هزینه های ماشینکاری، فرسایش نسبی ابزار و افزایش نرخ براده برداری کمک می کند .نتایج حاصل از ارزیابی مدل، دقت بالای ۹۰ را در تمامی موارد تایید می نماید .همچنین با توجه به اینکه جهت بهینه سازی پارامترهای خروجی فرایند لازم است در تمام شرایط ماشینکاری مناسب ترین سطوح پارامترهای ورودی انتخاب گردند، جهت نیل به این هدف در این پایان نامه از الگوریتم ژنتیک جهت بهینه سازی چند منظور فرایندهای EDM و US/EDMاستفاده شده است .با استفاده از این الگوریتم هفت حالت برای رایجترین مقادیر مطلوب متغیرهای خروجی در فرایند EDM و US/EDM مورد بررسی قرار گرفته و برای هر حالت ترکیب بهین متغیر های ورودی به دست آمده است .همگرا شدن الگوریتم در نسل های اولیه انتخاب درست پارامترهای اولیه را تایید می نمایند .همچنین نتایج حاصل از بهینه سازی نشان می دهند که به کار گیری این روش ها در فرایندهای ساخت موجب کاهش زمان های ساخت و افزایش سودآوری خواهند شد .
متن يادداشت
For several decades, Electrical Discharge Machining (EDM) has been an important, manufacturing process for machining of hard materials that are difficult to machine by conventional methods .Tungsten carbide (WC-10 Co) is one of the hard materials widely used in die industry with expected application growth in the rapidly developing micro world. It is also considered as one of the most suitable electrodes materials for micro EDM process. To overcome technical difficulties in machining of tungsten carbide (WC-10 Co) EDM has been the most suitable. Many researchers have investigated the EDM performance of tungsten carbide.On the other hand condition monitoring of the machining process is very important in today's precision manufacturing, especially in the Electrical discharge Machining (EDM).This thesis introduces a Fuzzy-based Algorithm for the prediction of surface roughness (Ra), tool wear ratio (TWR) and material removal rate (MRR) in the EDM and Ultrasonic assisted EDM (US/EDM) processes. In this prediction discharge current (I) and pulse duration(Ti),are input variables and outputs are Ra,TWR and MRR. Fuzzy model provides a more precise and easy selection of EDM and US/EDM input parameters for the required surface roughness, tool wear ratio and material removal rate which lead to better surface validity and decreases the machining cost. Present study attempts to optimize the electrical discharge machining (EDM) and US/EDM processes using soft computing techniques. As the output parameters are conflicting in nature so there is no single combination of cutting parameters, which provides the best machining performance.A multi-objective method, is used to optimize the processes. Testing results show the model is suitable for predicting the response parameters.optimization has been done for seven diffirent states.
موضوع (اسم عام یاعبارت اسمی عام)
موضوع مستند نشده
Electrical Discharge Machining(EDM)
موضوع مستند نشده
Fuzzy Modeling
موضوع مستند نشده
Material Removal Rate(MRR)
موضوع مستند نشده
Tool Wear Ratio(TWR)
موضوع مستند نشده
Surface Roughness(Ra)
نام شخص به منزله سر شناسه - (مسئولیت معنوی درجه اول )