Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
Introduction to Advanced Manufacturing Processes and Optimization Methodologies Kapitel lesen Erstes Kapitel lesen

2021 | OriginalPaper | Buchkapitel

5. Optimization of Abrasive Water Jet Machining (AWJM)

verfasst von : Apoorva Shastri, Aniket Nargundkar, Anand J. Kulkarni

Erschienen in: Socio-Inspired Optimization Methods for Advanced Manufacturing Processes

Verlag: Springer Singapore

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

Abrasive Water Jet Machining (AWJM) is an advanced version of Abrasive Jet Machining (AWJ) which employs water as the carrier medium for abrasive particles. The AWJM process can machine complex shapes and importantly, doesn’t generate heat concentrated zones. Work piece thickness, nozzle diameter, standoff distance and traverse speed are the typical process parameters/variables for AWJM. Kerf taper angle and surface roughness are performance responses as they indicate the geometry and surface finish of machined component, respectively.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Optimization of Electric Discharge Machining (EDM)
Nächstes Kapitel Optimization of Micro Milling Process
Literatur
1.
Armağan M, Arici AA (2017) Cutting performance of glass-vinyl ester composite by abrasive water jet. Mater Manuf Process 32(15):1715–1722CrossRef
2.
Dhanawade A, Kumar S, Kalmekar RV (2016) Abrasive water jet machining of carbon epoxy composite. Def Sci J 66(5):522–528CrossRef
3.
Eberhart R, Kennedy J (1995) A new optimizer using particle swarm theory. In: MHS’95, Proceedings of the sixth international symposium on micro machine and human science. IEEE, pp 39–43
4.
Gostimirovic M, Pucovsky V, Sekulic M, Rodic D, Pejic V (2019) Evolutionary optimization of jet lag in the abrasive water jet machining. Int J Adv Manuf Technol 101(9–12):3131–3141CrossRef
5.
Gulia V, Nargundkar A (2019) Optimization of process parameters of abrasive water jet machining using variations of cohort intelligence (CI). In: Applications of artificial intelligence techniques in engineering. Springer, Singapore, pp 467–474
6.
Hatamlou A (2013) Black hole: a new heuristic optimization approach for data clustering. Inf Sci 222:175–184MathSciNetCrossRef
7.
Jagadeesh T (2015) Non traditional machining. Mechanical Engineering Department, National Institute of Technology, Calicut
8.
Jain VK (2008) Advanced (non-traditional) machining processes. In: Machining. Springer, London, pp 299–327
9.
Kechagias J, Petropoulos G, Vaxevanidis N (2012) Application of Taguchi design for quality characterization of abrasive water jet machining of TRIP sheet steels. Int J AdvManuf Technol 62(5–8):635–643CrossRef
10.
11.
Kulkarni AJ, Durugkar IP, Kumar M (2013) Cohort intelligence: a self supervised learning behavior. In: 2013 IEEE international conference on systems, man, and cybernetics. IEEE, pp 1396–1400
12.
Momber AW, Kovacevic R (2012) Principles of abrasive water jet machining. Springer Science & Business Media
13.
Patankar NS, Kulkarni AJ (2018) Variations of cohort intelligence. Soft Comput 22(6):1731–1747CrossRef
14.
Samanta S, Chakraborty S (2011) Parametric optimization of some non-traditional machining processes using artificial bee colony algorithm. Eng Appl Artif Intell 24(6):946–957CrossRef
15.
Schwartzentruber J, Narayanan C, Papini M, Liu HT (2016) Optimized abrasive waterjet nozzle design using genetic algorithms. In: The 23rd international conference on water jetting. At Seattle, USA
16.
Shanmugam DK, Nguyen T, Wang J (2008) A study of delamination on graphite/epoxy composites in abrasive waterjet machining. Compos A Appl Sci Manuf 39(6):923–929CrossRef
17.
Shastri AS, Kulkarni AJ (2018) Multi-cohort intelligence algorithm: an intra-and inter-group learning behaviour based socio-inspired optimisation methodology. Int J Parallel Emergent Distrib Syst 33(6):675–715CrossRef
18.
19.
Shukla R, Singh D (2017) Experimentation investigation of abrasive water jet machining parameters using Taguchi and evolutionary optimization techniques. Swarm and Evolut Comput 32:167–183CrossRef
20.
Shukla R, Singh D (2017) Selection of parameters for advanced machining processes using firefly algorithm. Eng Sci Technol Int Jl 20(1):212–221
21.
Simon D (2008) Biogeography-based optimization. IEEE Trans Evol Comput 12(6):702–713CrossRef
22.
Yang XS, Deb S (2009) Cuckoo search via Lévy flights. In: 2009 world congress on nature & biologically inspired computing (NaBIC). IEEE, pp 210–214
23.
Yang XS, (2009) Firefly algorithms for multimodal optimization. In: International symposium on stochastic algorithms. Springer, Berlin, Heidelberg. pp 169–178
24.
Zain AM, Haron H, Sharif S (2011) Estimation of the minimum machining performance in the abrasive water jet machining using integrated ANN-SA. Expert Syst Appl 38(7):8316–8326CrossRef
Metadaten
Titel
Optimization of Abrasive Water Jet Machining (AWJM)
verfasst von
Apoorva Shastri
Aniket Nargundkar
Anand J. Kulkarni
Copyright-Jahr
2021
Verlag
Springer Singapore
Buch
Socio-Inspired Optimization Methods for Advanced Manufacturing Processes

Print ISBN: 978-981-15-7796-3

Electronic ISBN: 978-981-15-7797-0

Copyright-Jahr: 2021

DOI
https://doi.org/10.1007/978-981-15-7797-0_5

Premium Partner

    Marktübersichten

    Die im Laufe eines Jahres in der „adhäsion“ veröffentlichten Marktübersichten helfen Anwendern verschiedenster Branchen, sich einen gezielten Überblick über Lieferantenangebote zu verschaffen. 

    Zur Marktübersicht
    Bildnachweise