پیش بینی شکل پذیری صفحات دوقطبی فلزی پیل سوختی پلیمری در فرآیند مهرزنی با استفاده از الگوریتم های فرا ابتکاری

صفحات دوقطبی فلزی در پیل های سوختی پلیمری، علاوه بر سبک بودن باید در محیط مرطوب و اسیدی کار کنند. تیتانیوم به دلیل چگالی کم و مقاومت به خوردگی عالی، یک گزینه مناسب برای ساخت صفحات دوقطبی است. در این مقاله، ساخت صفحات دوقطبی از جنس تیتانیوم خالص تجاری باضخامت اولیه 1/0 میلی‌متر با استفاده از فرآیند مهرزنی بررسی‌شده است. از یک قالب چهار کاناله با الگوی شیاری موازی مستقیم در آزمایش‌های تجربی استفاده‌شده است. به‌منظور تخمین شکل پذیری میکروکانال‌های صفحات دوقطبی، از روش سطح پاسخ، الگوریتم ژنتیک و سیستم استنباط فازی عصبی تطبیقی استفاده شد. لقی قالب، سرعت مهرزنی و ضریب اصطکاک بین ورق و قالب به‌عنوان متغیرهای ورودی و میزان پرشدگی قالب به‌عنوان خروجی در نظر گرفته شدند. آزمایش های طراحی‌شده با استفاده از روش سطح پاسخ، به‌منظور آموزش روش های فرا ابتکاری استفاده شدند. نتایج نشان داد که مدل رگرسیون حاصل از روش سطح پاسخ با دقت قابل قبولی میزان پرشدگی قالب را پیش بینی می کند. همچنین، ضرایب معادله حاصل از رگرسیون با استفاده از الگوریتم ژنتیک بهبودیافته و میزان خطای آن در حدود 53% کاهش یافت. در پایان نیز از یک سیستم استنباط فازی عصبی تطبیقی برای پیش بینی میزان پرشدگی قالب استفاده شد. نتایج نشان داد که سیستم پیشنهادی بسیار موثر بوده و با دقت بسیار بالایی بیشینه میزان پرشدگی را تقریب می زند.

prediction of formability of the metallic bipolar plates for pem fuel cell in stamping process using meta-heuristics algorithms

in addition to the need for lightweight properties, the metallic bipolar plates in the pem fuel cells should work in a humid and acidic environment. due to its low density and excellent corrosion resistance, titanium is a proper candidate for manufacturing bipolar plates. in this paper, the manufacturing of bipolar plates made of commercially pure titanium with an initial thickness of 0.1 mm was investigated using the stamping process. a four-channel die with a parallel flow field was used in the experiments. to estimate the formability of microchannels of the bipolar plates, the response surface method, genetic algorithm, and adaptive neural fuzzy inference system were employed. die clearance, stamping speed, and friction coefficient between the sheet and die were considered input variables, whereas the die filling rate was as output. the designed experiments using the response surface method were used to train the meta-heuristic techniques. the results showed that the regression model obtained from the response surface method predicts the die filling rate with acceptable accuracy. furthermore, the coefficients of the equation obtained from the regression have been improved using the genetic algorithm and the error rate has been reduced by about 53%. finally, an adaptive neural fuzzy inference system was used to predict the die filling. the results showed that the proposed system is very feasible and approximates the maximum filling rate with high accuracy.