logo móvil
Contáctanos

Modelado predictivo y optimización de los parámetros de perforación por chorro de agua abrasivo (AWJD) en aleación AZ31B-Mg utilizando redes neuronales y análisis relacional gris

Autores: Rajendran, Satheesh; Ranganathan, Baskaran; Karuppasamy, Kannapiran

Idioma: Inglés

Editor: Juan José de Damborenea

Año: 2024

Ver Artículo OA

Acceso abierto

Artículo OA


Categoría

Procesos industriales

Subcategoría

Optimización de procesos industriales

Palabras clave

Perforación por chorro de agua abrasivo
Ángulo de estrechamiento del corte
Parámetros de mecanizado
Modelado
Rugosidad superficial

Licencia

CC BY – Atribución

Consultas: 16

Citaciones: Revista de Metalurgia Vol. 60 Núm. 2


Descripción

Las aleaciones de magnesio son materiales estructurales livianos reconocidos por su excepcional relación resistencia-peso, su resistencia a la corrosión y su sobresaliente biocompatibilidad, lo que las hace adecuadas para componentes aeronáuticos, cajas de engranajes, computadores, dispositivos móviles, aplicaciones automotrices, biomédicas y electrónicas. Este estudio investiga la modelación y predicción de los parámetros del proceso de perforación por chorro de agua abrasivo (AWJD) en la aleación de magnesio AZ31B-Mg mediante Redes Neuronales Artificiales (ANN) y Análisis Relacional Gris (GRA).

Se empleó un arreglo ortogonal L9 de Taguchi para examinar los efectos de la presión del chorro de agua abrasivo (Awjp), la distancia de separación (Sd) y la tasa de flujo de abrasivo (Afr) sobre dos respuestas críticas: la rugosidad superficial (Sr) y el ángulo de estrechamiento del corte (Kta). La configuración óptima de parámetros (Awjp = 220 MPa, Sd = 2 mm, Afr = 230 g·min⁻¹) minimizó tanto Sr como Kta. La validación experimental demostró que el modelo ANN obtuvo una mayor precisión de predicción, con un error promedio de 1,2154 %, en comparación con el 12,18114 % del modelo GRA. El análisis de regresión produjo R² = 95,05 % y R²(adj) = 80,19 %.

El estudio demuestra la efectividad de las ANN en la optimización de procesos AWJD y en la mejora del rendimiento de maquinado de la aleación AZ31B-Mg, lo que respalda una mayor adopción de estas aleaciones en aplicaciones de ingeniería de alto desempeño.

Documentos Relacionados

Temas Virtualpro