شبیه سازی فرآیند اکستروژن با استفاده از روش اجزاء محدود و پیش بینی نتایج حاصلاز آن به کمک استفاده از شبکه عصبی مصنوعی

چکیده مقاله

بیست و ششمینهمایش سالانهبینالمللیمهندسی مکانیک ایران،ISME8102دانشکده مهندسی مکانیک، دانشگاه سمنان،سمنان ،ایران،4تا6اردیبهشت 79311ISME0211-XXXXشبیه سازی فرآیند اکستروژن با استفاده از روش اجزاء محدود و پیش بینی نتایج حاصلاز آن به کمک استفاده از شبکه عصبی مصنوعیحمید بهلولی 1،خلیلخلیلی2،سیدمحمد حسینسیدکاشی37ایران،بیرجند،شوکت آباد، دانشگاه بیرجند،دانشکده مهندسی ،hamidb729@gmail.com2ایران،بیرجند،شوکت آباد، دانشگاه بیرجند،دانشکده مهندسی ،kh.khalili@birjand.ac.ir9ایران،بیرجند،شوکت آباد، دانشگاه بیرجند،دانشکده مهندسی،Seyedkashi@birjand.ac.irچکیده در مطالعه حاضر، فرایند اکستروژن یک قطعه از جنس فوولاد AISI-7391توسط نرم افزار اجزاء محدود Deform9Dکه بخصوص بورای فرایندهای شکل دهی حجیم طراحی گردیده، شبیه سازی شده است. از آنجاییکه پیش بینی دقیو مدودار نیوروی سونبه ، دموا و تنشوهای بوچود آمده در قالب و قطعه و نیز پیش بینوی مدودار سوایش دیوواره قالب در دقت ابعادی و خواص مکانیکی محصول، حائز اهمیت است و با توجه به تعداد پارامترهای موثر و نیز ماهیت غیور خطوی فراینود، از شبکه عصبی مصنوعی استفاده شده است. از طرفی استفاده از شوبکه عصبی باعث صرفه جویی در زمان تحلیل فرایند می شود. در اینجوا از شبکه عصبی پیشخور با الگوریتم پس انتشار خطا استفاده شده اسوت که یکی از قوی ترین شبکه ها برای شبیه سازی مسوائل غیور خطوی بوده و قابلیت برازش مناسوب بور هرگونوه داده ای را د ارد. ورودیهوای شبکه، دمای اولیه قطعه، سرعت حرکت سمبه، ضریب اصطکاک بین قطعه و قالب و ضریب کلی انتدال حرارت می باشد.از نتایج مدل المان محدود،جهت آموزش شوبکه اسوتفاده شود ه استو سپس از شبکه آموزش دیده به منظور پیش بینی مددار نیروی لازم برای شکل دهی، مدادیربیشینه یتنش،کرنشو دمادر قطعه و نیز مدادیربیشینه ی دما و سایش در قالب استفاده شده اسوت. نتوایج بدست آمده تطاب قابل قبولی در مدایسه با نتایج المان محدود دارند. به منظور طراحی ساختار بهینه شبکه عصبی، معماری هوای مختلفوی برای آناز نظر تعداد لایه ها،تعداد نورنهادر هر لایه، نرخ یادگیری و ضریب مومنتم مورد استفاده قرار گرفته است و بهترین معماری شبکه از نظرکارایی شبکه بر اساس معیار میانگین مربعات خطاها ارائه شده است.