بررسی تجربی و تحلیل بهینه فرآیند شکل‌دهی سرعت بالا ورق‌های دولایه

هدف از این مقاله بررسی تجربی و مدل سازی عددی تغییرشکل پلاستیک ساختارهای دولایه فلز-پلیمر تحت بار انفجار مخلوط گازی است. بدین منظور، در بخش تجربی از سامانه شکل دهی انفجار گاز جهت انجام 40 آزمایش با شرایط آزمایشگاهی مختلف استفاده شده است. نتایج تجربی شامل تاثیر میزان ایمپالس، ضخامت ورق فلزی و روکش پلی‌اوره و چگالی سطحی بر بیشترین خیز دائمی ساختار دولایه است. در بخش مدل سازی، طراحی بهینه چند هدفی داده های آموزش و ارزیابی قابلیت پیش بینی مدل به‌دست‌آمده با استفاده از سیستم استنتاج فازی-عصبی تطبیقی (anfis) و الگوریتم ژنتیک انجام شده است. در ادامه روند بهینه سازی چند هدفی از دید دو تابع هدف، مجموعه ای از نقاط غیر برتر بهینه به نام منحنی پارتو تشکیل شد که به عنوان نقاط طراحی محسوب شدند. کاربرد الگوریتم ژنتیک به منظور طراحی بهینه پارامترهای توابع عضویت گوسی در بخش ورودی و روش کمترین مربعات برای محاسبه بردار ضرایب خطی بخش نتایج ساختار فازیعصبی است. سنجش میزان دقت مدل پیشنهادشده با مقایسه مجموعه داده‌های آزمایشگاهی و دادهای مدل شده با استفاده از آماره‌های ضریب تبیین (r2) و میانگین مجذور مربعات خطای داده های آموزشی و پیش‌بینی، مورد ارزیابی قرارگرفته است.

Experimental investigation and optimal analysis of the highvelocity forming process of bilayer plates

The objective of this paper is an experimental investigation and numerical modelling of large plastic deformation of metallicpolymeric bilayer plates under gas mixture detonation load. For this, gas detonation forming apparatus was used in the experimental section to perform 40 experiments under various experimental conditions. The experimental results include the effect of impulse value, thickness of the metal plate and polymeric coating and areal density on the maximum permanent transverse deflection of bilayer plates. In the modelling section, multiobjective optimal design of training data and evaluation the prediction capability of the obtained model has been achieved by adaptive neurofuzzy inference system (ANFIS) and genetic algorithm. In proceeding of multiobjective optimization procedure from the aspect of two objective functions, a set of optimum nondominated points, namely, Pareto front was constructed considering as designing points. The application of the genetic algorithm is the optimum design of Gaussian membership function parameters in preceding and least square method for calculation of linear coefficient vectors in the consequent part of the neurofuzzy structure. The evaluation of the accuracy of the proposed model has been investigated by comparing the experimental results with modeling data sets using the coefficient of determination (R2) and rootmeansquare error for training and prediction data sets.