پیش بینی حد خستگی فولادهای متخلخل متالورژی پودر: راهکار شبکه عصبی مصنوعی

زهرا طیبی¹ مهرناز نیازی² امیر حسین ملا احمدی³

چکیده :
متالورژی پودر در مقایسه با سایر روش‌های تولید دارای قابلیت ساخت قطعات دقیق با کاهش قابل توجه در هزینه تمام‌شده می‌باشد. با توجه به افزایش استفاده از متالورژی پودر در تولید قطعات، ارزیابی و بهبود خواص قطعات تولیدی با این فرآیند امری ضروری است. قطعات تهیه شده از طریق این فرآیند در بسیاری زمینه‌ها از جمله صنعت خودرو، صنایع هوایی، ماشین آلات اداری، ابزار برش و غیره به کار می‌روند که به طور مستقیم در اغلب اوقات تحت بارگذاری‌های متناوب (خستگی) در حین سرویس‌دهی قرار می‌گیرند. از آنجایی که شکست خستگی در اکثر مواقع بدون بروز نشانه قبلی و به طور ناگهانی رخ می‌دهد، لذا امکان وقوع خسارات که گاهاً جبران ناپذیر نیز می‌باشند، وجود دارد. از طرفی پراکندگی آماری نتایج آزمون‌های خستگی، لزوم تکرار آزمون‌ها و همچنین صرف هزینه و زمان زیاد را می‌طلبد. با این وجود به کارگیری روش‌هایی برای پیش‌بینی و تخمین عمر خستگی قطعات متالورژی پودر با توجه به عوامل موثر بر آن‌ها می‌تواند بسیار راهگشا باشد. در مقاله پیش رو استحکام خستگی قطعات متخلخل فولادی متالورژی پودر با توجه به عوامل موثر بر آن همانند چگالی، ترکیب شیمیایی و شرایط تف‌جوشی توسط شبکه عصبی مصنوعی مورد مطالعه، بررسی و پیش‌بینی قرار گرفتند. آموزش شبکه عصبی مصنوعی در تحقیق حاضر با استفاده از روش پرسپترون چند لایه صورت پذیرفته است. مقایسه نتایج تخمین زده شده با بکارگیری شبکه عصبی و داده‌های تجربی حاصل از آزمایش که در نمودارها نرمالیزه شده‌اند، نشان‌دهنده تطابق مناسب بین آنهاست. نتایج حاصل، کارآیی شبکه عصبی را به منظور پیش‌بینی حد خستگی فولادهای متالورژی پودر، تایید می‌نماید.
کلمات کلیدی : کلمات کلیدی: فولادهای متالورژی پودر، شبکه عصبی مصنوعی، پیش‌بینی رفتار خستگی

زبان مقاله : فارسی
محور مقاله : مهندسی کامپیوتر
محل انتشار : چهارمین کنفرانس بین المللی پژوهش های کاربردی در علوم و مهندسی - دانشگاه وریج بروکسل
آدرس وب سایت کنفرانس : 4carse.com
ارسال کننده : احمد طیبی
کد IOI مقاله : XBHF-EAGDG
لینک مستقیم مقاله : https://isnac.ir/XBHF-EAGDG