Kare Profilli Kapların Açılı Derin Çekme İşlem Parametrelerinin Etkilerinin Bulanık Mantık ile Modellenmesi

Bu çalışmada, açılı derin çekme kalıplarında çekme işlemini etkileyen parametrelerden olan zımba radyüsü, kalıp radyüsü, kalıp açısı ve baskı plakası kuvvetinin, limit çekme oranı, zımba kuvveti ve cidar kalınlığı üzerindeki etkileri deneysel ve bulanık mantık yöntemi ile incelenmiştir. Deney tasarımında zımba ve kalıp radyüsü 2 – 10 mm, kalıp açısı 2.5º – 15º, baskı plakası kuvveti ise 0 – 9800 N arasında tanımlanmıştır. Tanımlanan aralık değerlerine göre uygun dilsel ifadeler belirlenerek, çalışmanın bulanık mantık modeli MATLAB paket programında hazırlanmıştır. Sonuç olarak, bulanık mantık modeli ile elde edilen sonuçlar deneysel veriler ile karşılaştırılmış, bulanık mantık verilerinin deneysel değerlere göre hata oranları limit çekme oranı için % 3.77, zımba kuvveti için %7.83 ve cidar kalınlığı için %1.64 olarak belirlenmiştir. Aralarında çok fazla fark olmadığı genel olarak birbirlerine yakın sonuçlar verdiği gözlemlenmiştir. Bu parametrelere bağlı olarak limit çekme oranının, kapta meydana gelecek hatalara sebep olan cidar kalınlığının ve en uygun zımba kuvvetinin belirlenmesinde yardımcı olacaktır.

Anahtar Kelimeler:

Bulanık mantık, cidar kalınlığı, derin çekme, kalıp geometrisi, limit çekme oranı, Matlab.

Modelling of the Effects of Angle Deep Drawing Process Parameters of Square Profile Cup with Fuzzy Logic

In this study, the effects of punch radius, die radius, die angle and blank holder force, which are the parameters affecting the drawing process in angled deep drawing dies, on limit drawing ratio, punch force and wall thickness were investigated by experimental and fuzzy logic method. In the experimental design, the punch and die radius is defined as 2 – 10 mm, the die angle is between 2.5º – 15º, and the pressure plate force is between 0 – 9800 N. The fuzzy logic model of the study was prepared in MATLAB software by determining the appropriate linguistic expressions according to the defined interval values. As a result, the results obtained with the fuzzy logic model were compared with the experimental data, and the error rates of the fuzzy logic data according to the experimental values were determined as 3.77% for the limit draw ratio, 7.83% for the punch force and 1.64% for the wall thickness. It has been observed that there is not much difference between them; they generally give close results to each other. Depending on these parameters, it will help to determine the limit draw ratio, the wall thickness that causes cup errors, and the most appropriate punch force.

Keywords:

Deep drawing, die geometry, fuzzy logic, wall thickness, limit drawing ratio, Matlab,

PDF

___

[1] C. Özek and H. Akkelek, “Investigation of Deep Drawability of Rectangular Shaped Cups in Deep Drawing Dies,” Int. J. Innov. Eng. Appl., Nov. 2021, doi: 10.46460/ijiea.1006144.
[2] C. Özek and E. Ünal, “Optimization and modeling of angular deep drawing process for square cups,” Mater. Manuf. Process., vol. 26, no. 9, pp. 1117–1125, 2011, doi: 10.1080/10426914.2010.532526.
[3] C. Özek and E. Ünal, “The effect of die/blank holder angles on limit drawing ratio and wall thickness in deep drawing of square cups,” J. Fac. Eng. Archit. Gazi Univ., vol. 27, no. 3, pp. 615–622, 2012.
[4] S. Mahabunphachai and M. Koç, “Investigation of size effects on material behavior of thin sheet metals using hydraulic bulge testing at micro/meso-scales,” Int. J. Mach. Tools Manuf., vol. 48, no. 9, pp. 1014–1029, 2008.
[5] Y. Liu, H. Li, H. Zhao, and X. Liu, “Effects of the die parameters on the self-piercing riveting process,” Int. J. Adv. Manuf. Technol., vol. 105, no. 7, pp. 3353–3368, 2019.
[6] H. Sato, K. Manabe, K. Ito, D. Wei, and Z. Jiang, “Development of servo-type micro-hydromechanical deep-drawing apparatus and micro deep-drawing experiments of circular cups,” J. Mater. Process. Technol., vol. 224, pp. 233–239, 2015, doi: 10.1016/j.jmatprotec.2015.05.014.
[7] N. Kotkunde, A. D. Deole, A. K. Gupta, S. K. Singh, and B. Aditya, “Failure and formability studies in warm deep drawing of Ti-6Al-4V alloy,” Mater. Des., vol. 60, pp. 540–547, 2014, doi: 10.1016/j.matdes.2014.04.040.
[8] V. Taşdemir, “Derin çekme işlemi sonrası malzemede oluşan sertlik dağılımı üzerine kalıp yüzey açısı, sıcaklık ve baskı plakası kuvveti etkilerinin incelenmesi,” Acad. Platf. J. Eng. Sci., pp. 1–1, Sep. 2018, doi: 10.21541/apjes.376495.
[9] E. Ünal and C. Özek, “A study on the wall thickness in the angular deep drawing process,” Mater. Test., vol. 59, no. 2, pp. 178–182, Feb. 2017, doi: 10.3139/120.110980.
[10] E. Kuram and B. Ozcelik, “Micro-milling performance of AISI 304 stainless steel using Taguchi method and fuzzy logic modelling,” J. Intell. Manuf., vol. 27, no. 4, pp. 817–830, Aug. 2016, doi: 10.1007/s10845-014-0916-5.
[11] S. Sivasankaran, R. Narayanasamy, R. Jeyapaul, and C. Loganathan, “Modelling of wrinkling in deep drawing of different grades of annealed commercially pure aluminium sheets when drawn through a conical die using artificial neural network,” Mater. Des., vol. 30, no. 8, pp. 3193–3205, 2009, doi: 10.1016/j.matdes.2009.01.020.
[12] K. Manabe, M. Yang, and S. Yoshihara, “Artificial intelligence identification of process parameters and adaptive control system for deep-drawing process,” J. Mater. Process. Technol., vol. 80–81, pp. 421–426, 1998, doi: 10.1016/S0924-0136(98)00121-6.
[13] C. Özek, Y. H. Çelik, and M. B. Özek, “A fuzzy logic model to determine the effects of die/blank holder angle and punch radius on drawing ratio in angular deep drawing dies,” J. Intell. Fuzzy Syst., vol. 25, no. 2, pp. 379–388, 2013, doi: 10.3233/IFS-2012-0644.