فایل ورد کامل برآورد خطی ارتفاع قطعه کار به وسیله شبکه های عصبی و کنترل تطبیقی سلسله مراتبی WEDM

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

این مقاله، ترجمه شده یک مقاله مرجع و معتبر انگلیسی می باشد که به صورت بسیار عالی توسط متخصصین این رشته ترجمه شده است و به صورت فایل ورد (microsoft word) ارائه می گردد

متن داخلی مقاله بسیار عالی، پر محتوا و قابل درک می باشد و شما از استفاده ی آن بسیار لذت خواهید برد. ما عالی بودن این مقاله را تضمین می کنیم

فایل ورد این مقاله بسیار خوب تایپ شده و قابل کپی و ویرایش می باشد و تنظیمات آن نیز به صورت عالی انجام شده است؛ به همراه فایل ورد این مقاله یک فایل پاور پوینت نیز به شما ارئه خواهد شد که دارای یک قالب بسیار زیبا و تنظیمات نمایشی متعدد می باشد

توجه : در صورت مشاهده بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل می باشد و در فایل اصلی فایل ورد کامل برآورد خطی ارتفاع قطعه کار به وسیله شبکه های عصبی و کنترل تطبیقی سلسله مراتبی WEDM،به هیچ وجه بهم ریختگی وجود ندارد

تعداد صفحات این فایل: ۲۶ صفحه

۷ نتیجه گیری

یک شبکه عصبی تغذیه مستقیم با استفاده از یک الگوریتم آموزش انتشار بازگشتی برای برآورد ارتفاع قطعه کار در WEDM ارائه می شود. میانگین خطای برآورد ارتفاع قطعه کار ۱۶ میلی متر است و پاسخ گذرا به تغییر در ارتفاع قطعه کار به طور منطقی رضایت بخش است. سیستم کنترل تطبیقی توسعه یافته در سه سطح سلسله مراتبی با استفاده از یک استراتژی کنترل فازی اجرا می شود. فراوانی جرقه زنی در یک سطح امن برای جلوگیری از پارگی سیم کنترل می شود و نسبت غیرعادی نیز در سطح مطلوب کنترل می شود، هنگامی که یک قطعه کار با ارتفاع متغیر ماشینکاری می شود. همچنین نتایج تجربی نشان می دهد که روش شبکه عصبی و استراتژی کنترل فازی برای چنین روند نامشخص و پیچیده، مناسب است. سیستم کنترل تطبیقی سلسله مراتبی توسعه یافته، ثبات ماشینکاری را میسر می سازد و سرعت ماشینکاری تا ۱۵ در مقایسه با یک سیستم معمول کنترل ولتاژ شکاف استفاده شده بهبود می یابد.

عنوان انگلیسی:On-line Estimation of Workpiece Height by Using Neural Networks and Hierarchical Adaptive Control of WEDM~~en~~

۷ Conclusion

A feedforward neural network is presented using a backpropagation learning algorithm for the estimation of the workpiece height in WEDM. The average error of workpiece height estimation is 1.6 mm, and the transient response to change in workpiece height is reasonably satisfactory. The developed adaptive control system is carried out in three hierarchical levels using a fuzzy control strategy. The sparking frequency is controlled within a safe level for wire rupture suppression, and the abnormal ratio is also controlled at the optimal level when a workpiece with variable height is machined. Experimental results also show that the neural network approach and fuzzy control strategy are suitable for such an uncertain and complicated process. The developed hierarchical adaptive control system enables the machining stability and the machining speed to be improved by 15% compared with a commonly used gap voltage control system.

$$en!!