تعیین ورق دولایه aa3105-st12 بهینه در فرایند شکل دهی نموی با استفاده از شبکه عصبی و الگوریتم ژنتیک چند هدفه

شکل‌دهی نموی ورق، فرایند انعطاف پذیری است که در آن ورق فلزی به تدریج با حرکت ابزار در فضای آزاد شکل می گیرد. با توجه به این که ورق به صورت موضعی شکل‌دهی می شود و نیروها متمرکز بر منطقه تماس ابزار با ورق هستند، شکل پذیری ورق در این فرایند در مقایسه با سایر روش های معمول شکل‌دهی افزایش می یابد. در این مطالعه با شبیه ‌سازی عددی فرایند شکل‌دهی نموی ورق دولایه aa3105st12 با استفاده از روش اجزای محدود، نیروی عمودی وارد بر ابزار شکل‌دهی و ضخامت نهایی لایه‌ها در شرایط مختلف محاسبه شده است. اعتبار نتایج شبیه سازی با مقایسه آن ها با نتایج حاصل از آزمایش های تجربی ارزیابی شده است. با استفاده از شبکه عصبی مصنوعی مدل هایی عددی برای تخمین نیروی عمودی وارد بر ابزار و ضخامت نهایی لایه‌‌ها بر حسب متغیرهای ورودی فرایند بدست آورده شده است. بهینه سازی چند هدفه برای دستیابی به حداقل نیروی عمودی و حداقل کاهش ضخامت لایه‌ها، بر مبنای مدل‌های بدست آمده و با کمک روش الگوریتم ژنتیک انجام شده است. در نتایج بدست آمده حالت های بهینه ضخامت کل ورق دولایه و نسبت ضخامت لایه‌ها در حالت های مختلف تماس لایه آلومینیومی و یا لایه فولادی با ابزار شکل‌دهی تعیین شده است.

Optimizing AA3105-St12 two-layer sheet in incremental sheet forming process using neural network and multi-objective genetic algorithm

Incremental sheet forming is a flexible forming technology in which the sheet metal is gradually formed by the movement of tools in specified path. Due to the progressively localized deformation of the sheet and concentration of the forces on contact area of tool and sheet metal, the formability of the sheet increases compared with other common forming methods. In this study, numerical simulation of the incremental forming of AA3105St12 twolayer sheet has been performed to calculate forming force and final thicknesses of the layers. The validity of the simulation results is evaluated by comparing them with those obtained from experiments. Numerical models for estimating the vertical force applied on the tool and the final thicknesses of the layers in terms of the process variables have been obtained using artificial neural network. Multiobjective optimization has been conducted to achieve the minimum force and the minimum thickness reduction of layers using obtained numerical models based on genetic algorithm method. Optimum thickness of the twolayer sheet and the thickness ratio the layers in different states of contact of the aluminum or the steel layers with the forming tool have been determined.