چکیده:
در این مقاله به بررسی و بهینه سازی شاخص های مهم یکی از روش های جوشکاری با عنوان جوشکاری پرداخته می شود. این روش یکی از فرایندهای مهم در ایجاد اتصالات (GMAW) قوس الکتریکی با گاز محافظ دائمی فلزی با کیفیت بالا در صنایع مختلف ازجمله صنعت خودرو است که هدف از آن بهبود اندازه ی ساقه ی جوش و همچنین شاخص های کیفی آن است. یکی از تکنیکهای کاربردی برای مدل سازی و حل این مسائل روش شناسایی سطح پاسخ است. در این مقاله با توجه به اهمیت بسزای پنج عامل به عنوان متغیرهای ورودی مستقل و قابل کنترل شامل: سرعت حرکت جوشکار، زاویه ی تورچ با قطعه ی کار، قطر سیم جوش، سرعت سیم که تاثیرگذار بر سطوح پاسخ مورد نظراست، رابطه ی میان این متغیرهای CO جوش و همچنین میزان فلوی گاز 2 ورودی و متغیرهای سطح پاسخ با استفاده از مدل رگرسیون غیرخطی تعیین شد و سپس مقدار بهینه ی هریک از عوامل با استفاده از مدل برنامه ریزی غیرخطی محاسبه و برای بررسی آن، جواب های به دست آمده با خروجی های ناشی از الگوریتم شبیه سازی تبرید مقایسه شد و در نهایت ب هدلیل مطل قنبودن جواب بهینه ی ارائه شده از سوی پاسخ های ناشی از الگوریتم شبیه سازی تبرید مد نظر قرار گرفت. در این نوشتار با در نظرگرفتن Lingo نرم افزار توام متغیرهای کیفی و کمی سعی در بررسی و بهینه سازی هم هی متغیرهای پاسخ با توجه به همنوع نبودن از متریک برای یافتن پاسخی بهینه مدل ریاضی چند هدفه و مقایسه ی Lp طریق تئوری مجموعه های فازی و روش آنها با نتایج به دست آمده از الگوریتم شبیه سازی تبرید استفاده شده است.
In this paper، the critical parameters of a method of welding with shielding gas arc welding (GMAW) are discussed; this method is an important process in creating high quality metal permanent connections in various industries، including the automobile industry to improve the quality of stem diameter welding parameters. One of the most useful techniques for modeling and solving the problems is Response Surface Method. In this paper، considering five most important factors such as speed welder، torch angle with the work piece، electrode diameter، wire speed، gas consumption ،and CO2 levels as input variables، can be controlled independently from the level of response، the relationship between the input variables and the response variables were determined using linear regression. Then optimum value for each factor was calculated using non-linear programming model to evaluate the results obtained along with the comparison of output of the Simulation Annealing Algorithm. In this study، both qualitative and quantitative variables are considered to evaluate and optimize all response variables regarding that these variables are not the same، and then fuzzy set theory and LP metric are used to find answers for multi-objective optimization methods.