• شماره ركورد
    12121
  • عنوان
    تعيين كيفيت سطح قطعات ماشينكاري و ريخته گري به روش هاي غير مستقيم
  • سال تحصيل
    1399
  • استاد راهنما
    سيد علي نيكنام
  • چکيده
    با توجه به گسترش صنعت ماشين‌كاري و ريخته¬گري، كيفيت سطوح به طور مستقيم در كيفيت و ويژگي¬هاي محصول اثر مي¬گذارد و كيفيت¬ سطح نشانه‌اي بسيار مهم از كيفيت ماده مهندسي است و مهم‌ترين نشانه‌ي كيفيت سطح قطعه¬كار ماشين‌كاري شده زبري و ساختار كيفي سطح است. اندازه¬گيري دقيق زبري سطح در زمينه‌ي مهندسي دقيق و مهندسي توليد در صنعت از اهميت بسيار زيادي برخوردار است. از اين رو محققين روش‌هاي مختلفي را براي پيش¬بيني كيفيت سطح ارائه كرده¬اند كه يكي از روش‌هاي موثر استفاده از روش غير¬مستقيم مي¬باشد. از اين رو در اين تحقيق به بررسي روش‌هاي مختلف تعيين كيفيت سطح قطعات ماشين‌كاري و ريخته¬گري با استفاده از روش‌هاي غير¬مستقيم پرداخته شد. نتايج حاصل از اين تحقيق نشان مي¬دهد كه استفاده از تكنيك‌هاي تماسي براي اندازه¬گيري زبري سطح به سطوح آسيب زده و بعد از اندازه¬گيري كيفيت سطح را خراب مي‌كنند. استفاده از هوش مصنوعي و پردازش تصوير در تعيين و شناسايي كيفيت سطح داراي عملكرد مطلوب¬تري در مقايسه با روش‌هاي مرسوم مي¬باشد هر چند كه دقت آموزش شبكه عصبي در پيش¬بيني كيفيت سطح به اندازه داده¬هاي نمونه بستگي دارد. در پيش¬بيني كيفيت سطح با استفاده از هوش مصنوعي استفاده از روش يادگيري ماشين، سيستم استنباط عصبي فازي تطبيقي و تركيب رگرسيون خطي و شبكه عصبي مصنوعي در مقايسه با ساير روش‌ها داراي عملكرد مطلوب¬تري مي¬باشد.
  • نام دانشجو

    امين سياهوشي

  • تاريخ ارائه
    9/11/2021 12:00:00 AM
  • متن كامل
    79145
  • پديد آورنده

    امين سياهوشي

  • تاريخ ورود اطلاعات
    1402/04/03
  • عنوان به انگليسي
    Investigation of indirect methods for determining the surface roughness of machining and casting parts
  • كليدواژه هاي فارسي
    ماشينكاري , زبري سطح , روش هاي غير مستقيم , هوش مصنوعي
  • كليدواژه هاي لاتين
    Machining , Surface Roughness , indirect method , artificial intelligence