پیش بینی نرخ سایش فولادهای متالورژی پودر توسط شبکه های عصبی مصنوعی

چکیده
دسته زیادی از قطعات فولادی متالورژی پودر مورد استفاده در صنایع مختلف مانند چرخدنده های مصرفی در موتور خودرو و جعبه دنده خودروهای مختلف مرتبا در معرض سایش هستند. عوامل متعدد زیادی بر روی نرخ سایش این دسته از قطعات موثر است. از این رو در این تخقیق سعی شده است تا با طراحی یک مدل شبکه عصبی نرخ سایش با توجه به تاثیر عوامل مختلف برل روی آن پیش بینی شود. به منظور تهیه داده های لازم برای طراحی مدل آزمونهای استاندار سایش بر روی نمونه های استاندارد انجام شده است. مدل طراحی شده در این تخقیق از نوع Feed Forward Neural Network (FFNN) است که با الگجوریتم Backpropagation آموزش داده شده است. در مدل طراحی شده پارامترهای،ترکیب شیمیایی نمونه ها، دمای زینتر، شرایط تولید پودر، نرخ سرمایش، درصد تخلخل، پارامتر شکل تخلخل و درصد فازهای پرلیت، فریت، بینیت و مارتنزیت ،انجام یا عدم انجام عملیات حرارتی به همراه سختی به عنوان ورودی و پارامتر خروجی نرخح سایش است. نتایج حاصل از مدلستازی نشان می دهد که مدل طراحی شده قادر است در محدوده طراحی شبکه و با دقتی معادل خطای طراحی مدل، نرخ سایش را پیش بینی کرده و با توجه به اینکه تست سایش یک تست زمان بر است با استفاده از این مدل مقدار قابل توجهی در وقت و هزینه صرفه جویی می شود. 

لینک مستقیم

لینک غیر مستقیم