مقاله ترجمه شده درباره تصحیح انحرافات هندسی ماشین ابزارهای CNC – سال 2015


مشخصات مقاله:


عنوان فارسی مقاله:

تصحیح انحرافات هندسی ماشین ابزارهای CNC: رویکردی با شبکه های عصبی مصنوعی


عنوان انگلیسی مقاله:

Correcting geometric deviations of CNC Machine-Tools: An approach with Artificial Neural Networks


کلمات کلیدی مقاله:

شبکه های عصبی مصنوعی، ماشین ابزارهای CNC، تصحیح خطا، طراحی برای ساخت، تکنولوژی دقیق


مناسب برای رشته های دانشگاهی زیر:

مهندسی مکانیک


مناسب برای گرایش های دانشگاهی زیر:

ساخت و تولید، طراحی کاربردی و مکاترونیک


وضعیت مقاله انگلیسی و ترجمه:

مقاله انگلیسی را میتوانید به صورت رایگان با فرمت PDF از باکس زیر دانلود نمایید. ترجمه این مقاله با فرمت WORD – DOC آماده خریداری و دانلود آنی میباشد.


فهرست مطالب:

مقدمه

2. بررسی مقالات

2.1. ماشین ابزارها

2.2 خطاهای هندسی یا انحرافات ضربه (runouts) در ماشین ابزارها

2.3 طراحی برای تولید

2.4 ANN و فرآیند ماشین کاری

3. روش ها

3.1. مدل های ANN چند لایه

4. آزمایش

4.1. تجهیزات و ابزارهای محاسباتی مورد استفاده

4.2. کار آزمایشی

5. مدلسازی ریاضی انحراف صافی

5.1. تحلیل داده ها

5.2. مدل های بررسی شده و نتایج

5.3. تحلیل و بحث

5.4. پیاده سازی محاسباتی

6. توسعه آزمایش عملی

7. نتایج


قسمتی از مقاله انگلیسی و ترجمه آن:

1. Introduction

Along with machine-tools (MT) evolution, there have been great advances in machining processes. However, obtaining complex surfaces with tolerance in the micrometric range has become extremely difficult.Atthe same time,the machining manufacturing process control has been evolving to attend the technical challenges imposed by complex requirements of form, by narrow specification limits and by the frequent introduction of new materials, tools and operational variables that originate new interactions in the processes with non-linear and non-standardized characteristics [1–4]. In the current manufacturing environment, indirect manufacturing operations generate direct costs that can be avoided or reduced by using control systems [5,6]. The use ofIntelligent Manufacture Systems (IMS) has been researched through the application of Artificial Neural Networks (ANNs) since 1980 [7]. In this context, an important methodology of predictive engineering is the Design for Manufacturing (DFM). It incorporates, in the project processes, information referring to the manufacture, also allowing for the project to be adapted during each stage of production [8].

1. مقدمه
همراه با تکامل ماشین ابزارها (MT)، پیشرفت های عظیمی در فرآیندهای ماشینی صورت گرفته است. اما کسب سطوح پیچیده با خطایی در گستره میکرومتری به شدت دشوار شده است. در عین حال، کنترل فرآیند تولید ماشینی تکامل یافته است تا چالش های فنی تحمیل شده از سوی الزامات پیچیده فرم، محدودیت های ویژه دقیق و عرضه مکرر مواد، ابزارها و متغیرهای عملیاتی جدیدی که تعاملات جدیدی را در فرآیندهای دارای مشخصه غیر خطی و غیر استاندارد ایجاد می کنند، مورد بررسی قرار دهد [1-4]. در محیط تولید فعلی، عملیات های تولید غیر مستقیم، هزینه های مستقیمی را ایجاد می کنند که با استفاده از سیستم های کنترل می توان از آن ها جلوگیری نمود [5,6]. استفاده از سیستم های تولید هوشمند (IMS) از طریق به کارگیری شبکه های عصبی مصنوعی (ANN ها) از سال 1980 مورد بررسی و پژوهش قرار گرفته است [7].
در این زمینه، یکی از روش های مهم مهندسی پیشگویانه، طراحی برای ساخت (DFM) می باشد. این روش در فرآیندهای پروژه، اطلاعات مربوط به تولید را یکپارچه کرده و امکان تغییر پروژه در هر مرحله از تولید را نیز فراهم می کند [8].


 

دانلود رایگان مقاله انگلیسی

خرید ترجمه مقاله

دیدگاهتان را بنویسید