استفاده از الگوريتم ازدحام ذرات براي بهينه سازي ناحيه متاثر از حرارت در فرآيند جوشكاري با الكترود تنگستن آلياژ آلومينيوم 5052

Using particle swarm optimization algorithm for heat affected zone optimization in TIG welding process of Al5052

فرآيند جوشكاري با الكترود غيرمصرفي تنگستن و گاز محافظ كه با عنوان جوشكاري تيگ نيز شناخته شده است، به سبب كيفيت بالاي اتصال يكي از فرآيندهاي پركاربرد جوشكاري محسوب مي شود. يكي از كاربردهاي مهم اين فرآيند در جوشكاري ورق هاي نازك مي باشد. در اين تحقيق اثر پارامترهاي تنظيمي فرآيند جوشكاري تيگ كه شامل: شدت جريان، فركانس، سرعت و گپ مي‌باشند بر ناحيه متاثر از حرارت كه به عنوان يكي از مهمترين مشخصه هاي خروجي در نظر گرفته شده است مورد بررسي قرار مي گيرد. به منظور ايجاد ارتباط دقيق بين پارامترهاي ورودي و خروجي‌ فرآيند از مدل‌سازي رگرسيوني استفاده شده است. جهت گردآوري داده‏هاي مورد نياز در انجام اين تحقيق، 27 آزمايش تجربي با بهره گيري از تكنيك طراحي آزمايشات و روش پاسخ سطح انجام شد. سپس انواع توابع رگرسيوني شامل خطي، درجه دوم و لگاريتمي بر اين داده‏ها برازش داده شد. در مرحله بعد، اعتبار اين مدل‏ها با استفاده از تحليل واريانس مورد ارزيابي قرار گرفته و مدل مرتبه دوم كه داراي برازش و دقت بالاتري است به عنوان مدل اصلح انتخاب گرديد. سپس براي بهينه سازي از الگوريتم ازدحام ذرات، براي نيل به مشخصه ي خروجي مطلوب (ناحيه متاثر از حرارت) استفاده شد. مقايسه ي نتايج بهينه سازي با مقادير واقعي نشانگر قابليت بسيار خوب روش پيشنهادي در مدل‏سازي و بهينه سازي اين فرآيند مي¬باشد.

Tungsten Inert Gas (TIG) welding is one of the most popular welding processes due to its high quality joint. Joining thin sheet metals is one of the most important applications of this process. In this research, the effects of welding process parameters including: current, frequency, speed and gap of welding on the heat-affected zone (HAZ), one of the most important quality measures, have been investigated. To gather required data, a number of experiments have been performed based on response surface methodology of DOE technique. Then, using regression functions process modeling has been performed. After verification of models, the best model was selected. This model was used for optimization of process parameters in such a way that HAZ minimized. The comparisons between computational results and experimental data prove the proper performance of the proposed statistical analysis and optimization methods.