view in publisher's site

A new optimized predictive model based on political optimizer for eco-friendly MQL-turning of AISI 4340 alloy with nano-lubricants

Metal cutting using flood cooling has serious impacts on the environment and operator health. Therefore, the minimum quantity lubricant (MQL) technique has been proposed as a promising alternative to the conventional flood cooling technique. Replacing mineral oils by eco-friendly vegetable oils gives another environmental advantage to MQL metal cutting. In this study, two types of nanoparticles (Al2O3 and CuO) are added to rice bran vegetable oil to obtain eco-friendly nanofluid with enhanced thermophysical properties, which utilized as a cutting fluid in the so-called MQL-turning with nano-lubricants (MQL-TNL). The experimental plan was designed according to Taguchi L16 method. The effects of the main cutting parameters such as cutting speed, cutting depth, and feed on the cutting force, surface roughness, tool wear are investigated. Among all cutting parameters, cutting speed has the highest effect on all process responses. The use of CuO/oil nanofluid as a cutting fluid produces smooth machined surfaces with little tool wear compared with that of Al2O3/oil nanofluid. Moreover, an improved random vector functional link (RVFL) model trained using experimental results is utilized to predict the responses of the cutting process. The accuracy of the model is enhanced via incorporation with a metaheuristic optimization algorithm called political optimizer (PO), which used to obtain the optimal RVFL parameters. The predicted results obtained by the developed RVFL-PO model are compared with the experimental ones as well as those obtained by standalone RVFL and hybrid RVFL-PSO (particle swarm optimization). The accuracy of the three models is assessed using various statistical measures. The RVFL-PO shows the best accuracy among others. The lowest coefficient of determination of the predicted results for all investigated cases was 0.768, 0.844, and 0.961 for RVFL, RVFL-PSO, and RVFL-PO, respectively.Graphical abstractDownload : Download high-res image (336KB)Download : Download full-size image

یک مدل پیش‌بینی‌کننده بهینه جدید براساس بهینه‌ساز سیاسی برای گردش سازگار با محیط‌زیست MQL آلیاژ AISI ۴۳۴۰ با روانکارهای نانو

برش فلز با استفاده از خنک سازی سیلاب اثرات جدی بر محیط‌زیست و سلامت اپراتور دارد. بنابراین، روش حداقل مقدار روانکار (MQL)به عنوان یک جایگزین امید بخش برای روش خنک سازی جریان مرسوم پیشنهاد شده‌است. جایگزینی روغن‌های معدنی با روغن‌های گیاهی سازگار با محیط‌زیست، مزیت زیست‌محیطی دیگری به برش فلز MQL می‌دهد. در این مطالعه، دو نوع نانوذره (Al۲O۳ و CuO)به روغن گیاهی سبوس برنج اضافه شده‌است تا نانو سیال سازگار با محیط‌زیست را با خواص ترموفیزیکی بهبود یافته به دست آورد که به عنوان سیال برشی در به اصطلاح تبدیل MQL با نانو روانکارها (MQL - TNL)مورد استفاده قرار گرفته‌است. طرح آزمایشی براساس روش تاگوچی L۱۶ طراحی شد. اثرات پارامترهای اصلی برش مانند سرعت برش، عمق برش و تغذیه بر نیروی برش، زبری سطح، فرسایش ابزار مورد بررسی قرار گرفته‌است. در میان تمام پارامترهای برش، سرعت برش بیش‌ترین تاثیر را بر روی تمام پاسخ‌های فرآیند دارد. استفاده از نانوسیال روغن / CuO به عنوان سیال برشی، سطوح ماشینکاری شده هموار با سایش ابزار کمی را در مقایسه با نانوسیال روغن / Al۲O۳ تولید می‌کند. علاوه بر این، یک مدل لینک تابعی بردار تصادفی بهبود یافته (RVFL)آموزش‌دیده با استفاده از نتایج تجربی برای پیش‌بینی پاسخ‌های فرآیند برش مورد استفاده قرار می‌گیرد. دقت مدل از طریق ترکیب با یک الگوریتم بهینه‌سازی فرا ابتکاری به نام بهینه‌ساز سیاسی (PO)افزایش می‌یابد، که برای به دست آوردن پارامترهای RVFL بهینه استفاده می‌شود. نتایج پیش‌بینی‌شده حاصل از مدل RVFL - PO توسعه‌یافته با نتایج تجربی و نیز نتایج حاصل از RVFL مستقل و هیبرید RVFL - PSO مقایسه شده‌اند (بهینه‌سازی ازدحام ذرات). دقت این سه مدل با استفاده از معیارهای آماری مختلف ارزیابی می‌شود. RVFL - PO بهترین دقت را در میان بقیه نشان می‌دهد. کم‌ترین ضریب تعیین نتایج پیش‌بینی‌شده برای همه موارد بررسی شده به ترتیب برای RVFL، RVFL - PSO، و RVFL - PO برابر با ۰.۷۶۸، ۰.۸۴۴، و ۰.۹۶۱ بود.
ترجمه شده با


پر ارجاع‌ترین مقالات مرتبط:

  • مقاله Strategy and Management
  • ترجمه مقاله Strategy and Management
  • مقاله استراتژی و مدیریت
  • ترجمه مقاله استراتژی و مدیریت
  • مقاله Industrial and Manufacturing Engineering
  • ترجمه مقاله Industrial and Manufacturing Engineering
  • مقاله مهندسی صنایع و ساخت
  • ترجمه مقاله مهندسی صنایع و ساخت
  • مقاله Management Science and Operations Research
  • ترجمه مقاله Management Science and Operations Research
  • مقاله علوم مدیریت و پژوهش عملیاتی
  • ترجمه مقاله علوم مدیریت و پژوهش عملیاتی
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.