การทำนายค่าการดีดตัวกลับในการพับขึ้นรูปแบบอุ่นและร้อน ของเหล็กกล้าความแข็งแรงสูงด้วยแบบจำลอง โครงข่ายประสาทเทียม

Prediction of Spring-back in Warm and Hot Forming of High Strength Steels by Back Propagation Neural Network Model

Name: เฉลิมพล คล้ายนิล

Organization : มหาวิทยาลัยเทคโน โลยีราชมงคลรัตนโกสินทร์.วังไกลกังวล.

Email : chalermpol.kla@rmutr.ac.th

keyword: เหล็กกล้าความแข็งแรงสูง

; การพับขึ้นรูปแบบอุ่นและร้อน

; การดีดตัวกลับ

; โครงข่ายประสาทเทียม

; High Strength Steel

; Warm and Hot Forming

; Spring-back

; Neural Network

Abstract: งานวิจัยนี้ทำการศึกษาพฤติกรรมการดีดตัวกลับโดยกระบวนการพับขึ้นรูปแบบอุ่นและร้อน ตัวแปรที่ศึกษาคือรัศมีพันช์และวัสดุทดลองเหล็กกล้าความแข็งแรงสูง 3 เกรด คือมาตรฐาน JIS G3135: SPFC440 SPFC590 และ SPFC780 ความหนา 1.0 มิลลิเมตร วัดมุมการดีดตัวกลับของวัสดุ ภายหลังกระบวนการพับขึ้นรูปและคานวณค่าอัตราส่วนการดีดตัวกลับ และงานวิจัยนี้ได้นำเสนอ แบบจำลองในการทำนายค่าการดีดตัวกลับด้วยโครงข่ายประสาทเทียมชนิดแพร่ค่าย้อนกลับ ผลการ ทดลองพบว่าเมื่ออุณหภูมิที่ทาการพับขึ้นรูปชิ้นงานสูงขึ้น มีผลทำให้มุมการดีดตัวกลับมีแนวโน้มลดลง และมุมการดีดตัวกลับมีค่าเพิ่มขึ้นเมื่อวัสดุที่ใช้ทดลองมีค่าความแข็งแรงสูงขึ้น มุมการดีดตัวกลับมี แนวโน้มเพิ่มขึ้นเมื่อขนาดของรัศมีพันช์ใหญ่ขึ้น และค่าอัตราส่วนการดีดกลับของวัสดุมีค่าลดลงเมื่อมุม ดีดตัวกลับของชิ้นงานมีค่าเพิ่มมากขึ้น ส่วนผลการใช้โครงข่ายประสาทเทียมในการทำนายค่าการดีด ตัวกลับ พบว่าสามารถทำนายค่าได้อย่างแม่นยาเป็นที่น่าพอใจ

Abstract: This research aimed to study the spring-back behavior in warm and hot bending process. From the studied parameters, such as punch radius, the materials are JIS G3135: SPFC440, SPFC590 and SPFC780 high strength steels 1.0 mm. of thickness. Spring-back angles after bending process are measured and calculated to spring-back factor ( KR) . The study proposed the model to predict the spring-back values in U-bending by back propagation neural network model. The results showed that the effect of temperature increase can make the spring-back decrease and spring-back angle will increase as the material which has higher tensile strength and the increasing punch radius will increase the spring-back angle and the spring-back factor value of the calculation will decrease when the spring-back angle increase. The result from using artificial neural network to predict spring-back that can be predicted accurately

มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์. สำนักวิทยบริการและเทคโนโลยีสารสนเทศ

Address: นครปฐม

Email: library@rmutr.ac.th

Name: มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์

Role: ผู้ให้ทุน

Created: 2561

Modified: 2564-09-28

Issued: 2564-09-28

งานวิจัย/Research report

application/pdf

tha

©copyrights มหาวิทยาลัยเทคโนโลยีราชมงคลรัตนโกสินทร์

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	fulltext.pdf	4.39 MB

ใช้เวลา

0.020276 วินาที