| عنوان فارسی مقاله: | ساخت پیستون خودرو با ماشین کاری دقیق با آلیاژ آلمینیوم مسلح شده با چدن |
| عنوان انگلیسی مقاله: | Precision Machining of an Aluminum Alloy Piston Reinforced with a Cast Iron Insert |
| دانلود مقاله انگلیسی: | برای دانلود رایگان مقاله انگلیسی با فرمت pdf اینجا کلیک نمائید |
| سال انتشار | 2009 |
| تعداد صفحات مقاله انگلیسی | 7 |
| تعداد صفحات ترجمه مقاله | 17 |
| مجله | بین المللی مهندسی ساخت و تولید و ساخت دقیق (INTERNATIONAL JOURNAL OF PRECISION ENGINEERING AND MANUFACTURING) |
| دانشگاه | گروه مهندسی مکانیک، دانشگاه کریشنان، تامیل نادو، هند |
| کلمات کلیدی | ساختار سه بعدي، مش مرجع،شكل دهي |
| نشریه اسپرینگر | Springer |
فهرست مطالب:
چكيده
1 مقدمه
2 بررسي تحقيقات گذشته
3 روش تاگوچي
4 طرح تجربي
5 نتايج و بحث
5 1 نيروي برش
5 2 طرح ANNOVA براي يك آزمايش آرايه متعامد
5 3 مدل رياضي
5 4الگوريتم ژنتيك
6 تماميت سطحي
6 1 چك كردن باند
6 2 زبري سطح
7 خلاصه و نتيجه گيري
بخشی از ترجمه:
5-4الگوريتم ژنتيك
Gaيك راهبرد جستجو است كه قادر به جستجوي يك راه حل موثر با ارائه هزينه محاسباتي مختصر است كه با استفاده از شرايط احتمالاتي مي باشد. اين براي پياده سازي، آسان بوده و به طور فزاينده براي حل مشكلات مقاوتم در سرعت استفاده مي شود. الگوريتم جستجو به صورت كامپيوتري بوده و بهينه سازي براساس زسيستم عصبي مي باشد و كيفيت تابع بايد متناسب باشد كه ارزيابي با توجه به هدف عملكرد مشكل بهينه سازي دارد. با استفاده از عملگر هاي ژنتيكي، الگوريتم، يك گروه از يك رشته از جمعيت فعلي را به صورت يك بعدي ايجاد مي كند. چرخه تكرار مي شود تا يك معيار مطلوب بدست بيايد. الگوريتم ژنتيك ساده است كه منجر به نتايج خوبي براي بسياري از مشكلات عملياتي زير مناسب است.
الف:توليد مثل
ب: تقاطع
ج: جهش
روند متقاطع براي تبادل اطلاعات بين رشته ها مي باشد. فلوچارت ga در شكل 7 معرفي شده است. مدل رياضي ارائه شده با استفاده از نرم افزار سيستات بوده و پارامترها براي نرم افزار مطلب كدگذاري شده اند. سپس gaبراي ورودي مورد استفاده قرار گرفته و با توجه به نام فايل بوده استتعداد متغيرها 3 عدد بوده و ويژگي هاي ديگر ga براين اسا انتخاب شده اند. بهترين مقدار تناسب ازGA در مقايسه با پارامترهاي بهينه تاگوچي در جدول 7 ارائه شده است.
6-تماميت سطحي
6-1 چك كردن باند:
يكپارچگي تمام سطوح پيستون در منطقه اتصال بين Al و چدن با استفاده از يك تست التراسونيك انجام شد. مشاهدات ب صورت نموداري در شكل 8 ديده مي شود.
شكل7: فلوچارت GA
جدول7: مقايسه بين نتايج تاگوچي و خروجي GA
شكل8:بررسي توسط تست التراسونيك
6-2 زبري سطح
كيفيت سطح يك جزء از ماشين است كه يكي از مهم ترين نياز هاي مشتري مي باشد. نشانه هاي عمده اي از كيفيت سطح در ماشين كاري ديده مي شود كه به طور عمده يك نتيجه از پارامترهاي فراسند مانند هندسه ابزار و شرايط برش مي باشد. امكانات اندازه گيري زبري سطح، در شكل 9-الف نشان داده شده است و با توجه به نتايج، از صفحه نمايش ان در شكل9-ب ارائه شده است. پيستون در يك سطح صاف قرار گرفته و پروب با يك فاصله از پيش تعيين شده 30 ميلي متري برسطح پيستون قرار مي گيرد و ناهمواري ها را به صورت ميانگين براورد مي كند. ميانگين ناهمواري ها (Ra)در شكل 10 نشان داده شده است. به طور معمول براي يك پيستون، مقدار حد مجاز، 4μm است.همه پيستون ها مورد آزمايش قرار گرفته و رضايت بخشي را داشته اند.
شكل9-الف: امكانات اندازه گيري زبري سطح ب: نمايش نتايج
شكل10 نمودار اندازه گيري زبري سطح
7-خلاصه و نتيجه گيري:
خلاصه و نتيجه گيري زير را مي توان به صورت زير ارائه نمود.
1-ابزار CBNبراي پيستون هاي متشكل از دو فلز اسشتفاده مي شود.
2-شرايط بهينه براي برش پيستون دو فلزي با استفاده روش تاگوچي بدست امده است.
3-تجزيه و تحليل ANNOVA نشان مي دهد كه عمق كاهش نرخ و خوراك، جزء پارامترهاي مهم هستند كه در نيروي برش قرار گرفته اند
4-مدل رياضي به دقت منطقه اتصال را پيش بيني مي كند
5-نتايج مطلوب با استفاده از روش تاگوچي بدست امده است كه قابل مقايسه با نتايج بدست امده از GAمي باشد
6-يكپارچگي سطح پيستون با استفاده از زبري سنج انجام شده و به نمايش گذاشته شده است و ديده مي شود كه زبري سطحي خوبي وجود دارد
بخشی از مقاله انگلیسی:
5.4 Genetic algorithm The GA is a search strategy that is able to search a large solution space efficiently by providing a concise computational cost because it uses probabilistic transaction rules instead of deterministic ones.21 It is easy to implement and is increasingly being used to solve inherently intractable problems quickly. A GA is a computerized search and optimization algorithm based on the mechanics of neural genetics and natural selection.22 The quality is the fitness function, which evaluates a chromosome23 with respect to the objective function of the optimization problem. Using genetic operators (crossover and mutation), the algorithm creates a subsequent generation from a string of the current population. The generation cycle is repeated until a desired termination criterion is reached. A simple genetic algorithm that yields good results for many practical problems has three main operations: • reproduction, • crossover, and • mutation. Reproduction is a process in which individual strings are copied according to their objective function values. Crossover is the process of exchanging of information between or among the mating string. In most crossover operators, two strings are picked from the mating pool at random, and some portions of the strings are exchanged between the strings. Mutation is the occasional random alteration of the values in a string, and serves to create a point in the neighborhood of the current point, thereby achieving a local search and the current solution. The GA can be used for general optimization problems. A typical flowchart for a GA is presented in Figure 7. The mathematical model created using the Systat 12.0 software package to relate the cutting force and process parameters was encoded for the Matlab software package in M-file format. Then the GA Toolbox was used to input the fitness function, given as @filename. The number of variables was 3, and other GA functionalities were chosen accordingly to obtain the best fitness value in a random process. The best fitness value obtained from the GA is compared with Taguchi’s optimum parameters in Table 7.
Fig. 8 Ultrasonic bond-checking facility
6.2 Surface roughness The surface quality of a machined component is one of the most specified customer requirements. A major indication of the surface quality on a machined part is the surface roughness, which is mainly a result of the process parameters such as the tool geometry and cutting conditions. A typical surface roughness measuring facility, the Mitutoyo CV2000, is shown in Figure 9(a), and typical results given by the display screen are presented in Figure 9(b). The piston was placed over the surface plate and the probe was moved on the machined surface at predetermined intervals (30 mm) to obtain the average surface roughness. These measurements were performed on all the machined surfaces. The average surface roughness (Ra) value of all the machined pistons is shown in Figure 10. Normally, the maximum allowable surface roughness for a piston is 4 µm. All the tested pistons had satisfactory roughness values, and the empirical trials indicated that a lower surface roughness resulted when the feed rate was low.
7. Summary and Conclusions The following summary and conclusions can be drawn from our experiment. 1. A CBN tool was used to machine bimetallic pistons. 2. The optimal cutting conditions for bimetallic pistons were obtained using the Taguchi method. 3. An ANOVA analysis indicated that the depth of cut and feed rate were the most important parameters that affected the cutting force. 4. The developed mathematical model accurately predicted the cutting force at the bonding zone. 5. The optimal results obtained using the Taguchi method were comparable with the results obtained using a GA. 6. The surface integrity of the machined pistons was evaluated using surface roughness and bond-checking tests. The machined pistons exhibited good surface integrity for the chosen level of parameters.
| عنوان فارسی مقاله: | ساخت پیستون خودرو با ماشین کاری دقیق با آلیاژ آلمینیوم مسلح شده با چدن |
| عنوان انگلیسی مقاله: | Precision Machining of an Aluminum Alloy Piston Reinforced with a Cast Iron Insert |
خرید ترجمه فارسی مقاله با فرمت ورد