TỐI ƯU HÓA ĐỘ NHÁM BỀ MẶT TRONG GIA CÔNG XUNG ĐIỆN EDM CÓ XÉT ĐẾN LOẠI VẬT LIỆU ĐIỆN CỰC GRAPHITE BẰNG MÔ HÌNH HỒI QUY QUÁ TRÌNH GAUSSIAN

Tóm tắt

Trong nghiên cứu này, một mô hình hồi quy quá trình Gaussian (Gaussian Process Regression – GPR) đã được xây dựng để dự đoán và tối ưu hóa độ nhám bề mặt (Ra) trong quá trình gia công xung điện (EDM), có xét đến ảnh hưởng của loại vật liệu điện cực graphite. Thiết kế thí nghiệm Box–Behnken (BBD) với bốn thông số đầu vào gồm cường độ dòng điện (IP), điện áp phóng điện (SV), thời gian phát xung (Ton), thời gian ngắt xung (Toff) và loại vật liệu điện cực graphite đã được sử dụng nhằm thu thập dữ liệu thực nghiệm. Mô hình GPR được huấn luyện trên bộ dữ liệu thu thập được, cho kết quả hệ số xác định (R²) cao, thể hiện khả năng mô hình hóa chính xác tính phi tuyến và sự biến thiên ngẫu nhiên của Ra trong quá trình EDM. Quá trình tối ưu hóa được thực hiện bằng thuật toán fmincon trong MATLAB®, nhằm tìm ra tổ hợp thông số công nghệ tối ưu cho mục tiêu giảm thiểu độ nhám bề mặt. Kết quả nghiên cứu khẳng định tính hiệu quả của phương pháp GPR trong việc dự đoán và tối ưu hóa Ra, đồng thời cho thấy ảnh hưởng rõ rệt của loại vật liệu điện cực graphite đến chất lượng bề mặt. Phương pháp đề xuất mở ra triển vọng áp dụng rộng rãi trong tối ưu hóa quá trình gia công điện hóa chính xác

Title

SURFACE ROUGHNESS OPTIMIZATION IN EDM CONSIDERING GRAPHITE ELECTRODE TYPE USING GAUSSIAN PROCESS REGRESSION

Abstract

In this study, a Gaussian Process Regression (GPR) model was developed to predict and optimize surface roughness (Ra) in electrical discharge machining (EDM), considering the influence of graphite electrode types. A Box–Behnken Design (BBD) was employed, involving four process parameters discharge current (IP), servo voltage (SV), pulse on-time (Ton), pulse off-time (Toff) and the electrode material type (TOG), to systematically collect experimental data. The GPR model was trained on the collected dataset and achieved a high coefficient of determination (R²), demonstrating its superior ability to capture nonlinearities and stochastic variations in Ra during EDM. Singleobjective optimization was performed using MATLAB®'s fmincon algorithm to identify the optimal combination of process parameters that minimizes surface roughness. The results confirm the effectiveness of GPR in predicting and optimizing Ra, while highlighting the significant impact of graphite electrode material type on surface quality. The proposed method offers strong potential for broader applications in precision electro-discharge machining process optimization