Modeling and experimental investigation of LM26 pressure die cast process parameters using multi objective genetic algorithm (MOGA)

Modelización e investigación experimental de los parámetros del proceso de fundición a presión LM26 mediante algoritmo genético multiobjetivo (MOGA)

La presente investigación trata del proceso de fundición a presión para producir un componente de cierre de válvula de automoción con mejores propiedades mecánicas como microdureza (HV), rugosidad superficial (μm) y porosidad (%) en LM26 variando la presión de intensificación (α) Kgf/cm², la velocidad de disparo (β) m/s y la temperatura de colada (γ) °C. Utilizando la metodología de superficie de respuesta (RSM), se encuentra que la combinación paramétrica óptima es α (186,68) Kgf/cm², β (0,599) m/s y γ (662,93) °C para multirespuestas (121,18) HV, (0,93) μm y 0,017 % puede alcanzarse correspondiendo a la deseabilidad más alta de 0,73. Los resultados optimizados se obtuvieron mediante las soluciones Pareto-óptimas utilizando el algoritmo genético multiobjetivo (MOGA) proporciona flexibilidad para seleccionar el mejor ajuste en función de las aplicaciones adecuadas.

INTRODUCCIÓN

Las aleaciones de aluminio se utilizan en los sectores aeroespacial, automovilístico y ferroviario debido a sus atractivas características como aleación más ligera de alta resistencia, rigidez y resistencia al desgaste.

[1, 2] sugirieron que el esfuerzo de optimización se ha visto alentado por las características técnicas de forma neta del proceso de fundición, junto con su capacidad para producir componentes de ingeniería complejos. [3, 4] investigaron el efecto de los parámetros del proceso, como la presión de intensificación, la velocidad de inyección, el punto de cambio de fase y el tiempo de mantenimiento, sobre las propiedades mecánicas y la microestructura de las piezas fundidas mediante el proceso de fundición a presión. [5] analizaron la eficacia de la aplicación de presión externa para reducir la porosidad y producir componentes fundidos menos defectuosos.

[6, 7] estudiaron el efecto de los parámetros del proceso de fundición sobre propiedades mecánicas como la dureza, la resistencia a la tracción y la porosidad. [8] descubrieron que la temperatura de colada tenía un efecto significativo sobre las propiedades mecánicas. [9] realizaron pruebas de análisis de varianza para evaluar la idoneidad estadística de los modelos y desarrollaron un enfoque integrado para optimizar la fundición en coquilla a alta presión. [3] adoptó la técnica de base estadística RSM y desarrolló modelos matemáticos a partir de los datos recopilados. [10] se ha demostrado que el algoritmo genético es una de las técnicas de optimización multiobjetivo más populares.  La mayoría de los estudios han intentado mejorar las propiedades mecánicas de la fundición a presión utilizando diversos métodos. Sin embargo, no se ha publicado ningún estudio sobre la conformación de la aleación LM26 para mejorar las propiedades mecánicas, incluidas la microdureza (HV), la rugosidad superficial (Ra) y la porosidad (f), mediante fundición a presión.