การทำนายค่าการดีดตัวกลับในการดัดรูปตัวยูเหล็กกล้าความแข็งแรงสูง ด้วยโครงข่ายประสาทเทียมแบบย้อนกลับ

Abstract

เหล็กกล้าความแข็งแรงสูงถูกนำมาใช้เป็นวัตถุดิบในการผลิตชิ้นส่วนที่ต้องการให้มีน้ำหนักเบาแต่มีความแข็งแรงสูง เช่น ชิ้นส่วนรับแรงกระแทก และแชสซีของรถยนต์เป็นต้น ทั้งนี้ความแข็งแรงที่เพิ่มขึ้น ส่งผลให้ความแข็งของเหล็กเพิ่มขึ้น ทำให้ขึ้นรูปได้ยาก และที่สำคัญคือปัญหาการดีดตัวกลับของชิ้นงานหลังการขึ้นรูป ส่งผลทำให้ชิ้นงานไม่ได้รูปทรงตามต้องการ บทความนี้นำเสนอโมเดลในการทำนายค่าการดีดตัวกลับของชิ้นงานเหล็กกล้าความแข็งแรงสูงชนิดรีดเย็นเกรด SPFC 980Y (JIS) ที่ผ่านกระบวนการดัดรูปตัวยูซึ่งเป็นกระบวนการที่นิยมใช้ในกระบวนการผลิตชิ้นส่วนโลหะ ด้วยโครงข่ายประสาทเทียมหลายชั้นแบบย้อนกลับ มีปัจจัยนำเข้าในการทำนายค่าดังกล่าวประกอบด้วย รัศมีพันช์ (R_p) รัศมีดาย (R_d) เคลียแรนซ์ (C_l) และ แรงต้านการเคลื่อนที่พันช์ (F_c) โดยทำการฝึกสอนโครงข่ายประสาทเทียมแบบย้อนกลับด้วยผลการทดลองดัดรูปตัวยูจำนวน 67 ครั้ง ผลจากการทำนายให้ค่าความคลาดเคลื#อนกำลังสองในการทำนายสูงสุดเท่ากับร้อยละ 0.11 และค่าความคลาดเคลื่อนต่ำสุดเท่ากับร้อยละ 0.04

Prediction of Spring-back Values in U-bending of High Strength Steel By Using Back Propagation Neural Network

High strength steel (HSS) had been used as the raw material for production with requiring light and high strength components; for example, reinforcement sections, chassis and etc. However, the strength and the hardness of steel were relatively high leading to have low formability andlarge spring-back occurring after forming operation. Therefore, the shapesof workpiece were changed. The study proposed the model to predict the spring-back values in U-bending of cold roll high strength steel grade SPFC 980Y (JIS) by using back propagation neural network. Thedataconsisted of the punch radius (R_p), the die radius (R_d), the clearance (C_l) and the counter punch force (F_c).The back propagationneural network model was trained by U-bending experimental data 67 times. The results showed the mean square error (MSE), the maximum percentage error (0.11) and the minimum percentage error (0.04).