En este trabajo, se fresó el acero de ultra alta resistencia AF1410 con la herramienta de carburo, y se realizaron un total de treinta experimentos basados en el diseño compuesto central (CCD) de la metodología de superficie de respuesta. Se establecen los modelos de predicción de la fuerza de fresado y de la rugosidad superficial, respectivamente. La influencia de los parámetros de fresado (velocidad de fresado, avance de cada diente, profundidad de corte radial y profundidad de corte axial) sobre la fuerza de fresado y la rugosidad superficial se estudia mediante ANOVA y el modelo de predicción establecido. La optimización multiobjetivo de los parámetros de fresado se realiza en base al algoritmo genético de ordenación no dominante II (NSGA-II) con la fuerza de fresado, la rugosidad superficial y la tasa de eliminación de material como objetivos de optimización. La rugosidad superficial, la fuerza de corte y la tasa de eliminación de material son índices importantes para medir la energía consumida en el proceso del producto, la calidad del mecanizado de la superficie y la eficiencia del mecanizado, respectivamente. Para minimizar la fuerza de fresado y la rugosidad superficial y maximizar la tasa de eliminación de material, se utilizó el NSGA-II para la optimización multiobjetivo con el fin de obtener el valor óptimo de fitness de la función objetivo. El NSGA-II se ha aplicado para obtener un conjunto de combinación óptima de parámetros del conjunto de soluciones Pareto-óptimas para mejorar las condiciones de mecanizado.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Desarrollo de un bioplástico a partir de residuos del plátano
Artículo:
Arena como dosímetro termoluminiscente para dosis terapéuticas
Artículo:
Efectos del envejecimiento térmico y de la humedad en la adhesión interfacial de los compuestos de caucho natural reforzados con fibras de policetona
Artículo:
Modelo Neuro-Fuzzy para la Predicción y Clasificación de los Niveles de Zona Fundida de las Imperfecciones en la Soldadura a Tope de la Aleación Ti6Al4V
Ponencia:
Modelado de elementos finitos del comportamiento de espuma de titanio para aplicaciones dentales