مدل‌سازی و بهینه‌سازی برگشت فنری در فرآیند شکل‌دهی خزشی ورق‌های ترکیبی ماشینکاری شده آلومینیوم 7075 با بهره گیری از شبکه فازی- عصبی تطبیقی و الگوریتم ازدحام ذرات

شکل‌دهی ورق‌های ترکیبی ماشینکاری شده به واسطه وجود ضخامت‌های متفاوت دارای پیچیدگی‌های بیشتری نسبت به ورق‌های یکپارچه می‌باشد. وجود دو قسمت با ضخامت‌های متفاوت منجر ایجاد رفتارهای متفاوت شکل پذیری و به دنبال آن برگشت فنری متفاوت در آنها می‌شود. لذا بررسی برگشت فنری در قسمت های نازک و ضخیم ورق‌های ترکیبی ماشینکاری شده به منظور کمینه کردن آنها اهمیت بسزایی دارد. در این مقاله، یک سیستم استنتاج عصبی فازی تطبیقی برای مدل‌سازی اثر پارامترهای مهم شامل زمان و دمای فرآیند برای پیش بینی درصد برگشت فنری ناحیه نازک و ناحیه ضخیم در ورق ترکیبی ماشینکاری شده که توسط فرآیند شکل‌دهی خزشی فرم دهی گردیده، استفاده شده است. همچنین در ادامه از مدل بدست آورده شده جهت بهینه‌سازی فرآیند شکل‌دهی خزشی با بهره گیری از الگوریتم بهینه‌سازی ازدحام ذرات استفاده شده است. به منظور مدل‌سازی رفتار فرآیند، آزمایش‌های تجربی بر روی فرآیند شکل‌دهی خزشی ورق‌های ترکیبی ماشینکاری شده صورت پذیرفته است. دقت مدل بدست آورده شده با استفاده از نمودارهای مختلف و همچنین بر اساس معیارهای ، ، ، و بررسی شده است.

Modeling and optimization of the spring-back in creep forming process of tailor machined blanks for aluminum alloy 7075 using adaptive neuro-fuzzy inference system and particle swarm algorithm

The forming of tailor machined blanks due to the different thicknesses is more complex than the monolithic sheets. The presence of two sections with different thicknesses leads to different formability behaviors and consequently their different springbacks. Therefore, it is important to examine the springback in the thin and thick sections of tailor machined blanks in order to minimize the springback value. In this paper, an adaptive neuralfuzzy inference system is used to model the effect of important parameters to predict the percent of springback corresponding to the thin and thick sections on the creep age formed tailor machined blanks. In addition, the obtained model is used to optimize the creep forming process using particle swarm optimization algorithm. In order to model the process behavior, some experiments have been performed on the creep forming of tailor machined blanks. The accuracy of the obtained model is investigated using different figures as well as by the specific criteria , , , and .