Development of neuro-fuzzy models for hole drilling on Ti-6Al-4V and Inconel 718 using electrical discharge machining

Abstract

Bu çalışmada amaç, elektriksel erozyon prosesi ile delik delme işleminde girdi-çıktı parametre ilişkilerinin Adaptif Ağ Tabanlı Bulanık Mantık Çıkarım Sistemi (ANFIS) sayesinde belirlenmesidir. Bu proses; uzay ve havacılık malzemeleri gibi işlenmesi zor malzemelerde iyi yüzey kalitesine sahip deliklerin hızlı ve doğru şekilde delinebilmesi için kullanılır. Bu proseste, girdi parametrelerinin (akım, vurum ve nefes alma süreleri, kapasitans) çıktı parametrelerine (iş parçası işleme hızı, elektrot aşınma hızı, yüzey pürüzlülüğü) etkisi oldukça karmaşıktır. Bu karmaşık ilişkileri geleneksel modelleme teknikleri ile ortaya koymak mümkün değildir. Yapay zeka teknikleri olarak bilinen bulanık mantık ve yapay sinir ağları kullanılarak belirli girdi parametrelerine göre çıktı parametrelerinin sonuçları tahmin edilebilmektedir.Bu amaçla; Ti-6Al-4V ve Inconel 718 malzemelerinde 2mm çapında pirinç ve bakır elektrotlar kullanılarak farklı girdi parametreleri ile belirli sayıda delikler delinmiş ve çıktı parametreleri elde edilmiştir. Deneysel veriler doğrultusunda geliştirilen ANFIS modellerinin sonuçları gözönüne alındığında; bu modeller kullanılarak istenen girdi parametreleri için çıktı parametreleri en düşük hata oranı ile tahmin edilebilmektedir.

The aim of this study is to develop ANFIS models for prediction of input-output relationships in hole drilling EDM process. It is a nontraditional machining process preferred to produce holes on difficult-to-cut materials, particularly aerospace alloys, in a fast and accurate way with a good surface finish. There are many parameters in this process, and their effects on the process outputs are very complicated. It is usually not possible to define such complex relationships by means of conventional modeling techniques. Fuzzy logic and neural networks are intelligent modeling techniques to predict the response of a process in accordance with the given inputs.For this purpose, an Adaptive Neuro-Fuzzy Inference System (ANFIS) has been implemented to develop neuro-fuzzy models. The experimental data were obtained by making several holes on specimens of Ti-6Al-4V and Inconel 718 using copper and brass electrodes (Ø2 mm) with input parameters of current, pulse-on and pulse-off times, and capacitance. The output parameters were material removal rate, electrode wear rate, and surface roughness. The comparison between experimental and ANFIS results reveal that developed models can predict the values of process outputs for given input parameters within the lowest error range.