Multiobjective optimization of electric discharge machining of an Al–SiCp composite using the Taguchi–PCA method as well as the firefly and cuckoo search algorithms
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Electric discharge machining (EDM) processes are extensively used in industries to machine materials and geometries that are complex and are not machinable by conventional methods. In our study, we focused on identifying the optimal process parameters for EDM during the machining of an aluminum alloy 6061 (matrix) –10% silicon carbide (particle) composite. The novel aspect of this work is the use of a copper electrode with different geometries (circular, triangular, square) for machining, together with input variables such as discharge current density (A) as well as pulse on- and off-timing (T on and T off ). We used the L 27 (3 13 ) Taguchi orthogonal array for our experimental layout and the responses we measured were recast layer thickness (RCT), electrode tool wear rate (TWR), and material removal rate (MRR). Taguchi’s approach of signal-to-noise (S:N) ratio was integrated with principal component analysis (PCA) for multicriterion optimization. Also, the nature inspired cuckoo search (CS) and firefly (FA) algorithms were used to identify the optimal conditions and to predict the outputs for maximum MRR and minimum TWR and RCT. From S:N + PC analyses, the optimal conditions we identified were: circle (12 A, 65 μs, 2 μs); triangle (12 A, 95 μs, 6 μs); and square (12 A, 65 μs, 8 μs). Under all of the conditions, the influence of discharge current was the most significant. Metallurgical examination conducted through micrographs of the machined surface clearly supported the predicted results. The optimized conditions we identified are appropriate for use in the automobile and aerospace industries to obtain holes of specific geometries with good surface integrity and reduced wear of tools.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle