پیش بینی سختی در نانو کامپوزیتهای Al-Al2O3 با استفاده از شبکه عصبی مصنوعی با تغییر عوامل موثر در روش آلیاژسازی مکانیکی | ||
| مهندسی مکانیک مدرس | ||
| Article 4, Volume 13, Issue 13, 1392, Pages 26-32 PDF (730.08 K) | ||
| Authors | ||
| علی شکوه فر* 1; سعیده قربان پور2; سجاد نصیری خلیل آباد3; اشکان ذوالریاستین2; علی اصغر جعفری2 | ||
| 1دانشگاه صنعتی خواجه نصیرالدین طوسی | ||
| 2دانشکده مکانیک، دانشگاه صنعتی خواجه نصیر الدین طوسی، تهران | ||
| 3دانشکده مهندسی مواد، دانشگاه صنعتی سهند، تبریز | ||
| Abstract | ||
| در این پژوهش یک شبکه عصبی پیشرو با الگوریتم پس انتشار خطا، برای پیش بینی سختی نانوکامپوزیت های پایه آلومینیوم با تقویت کننده آلومینا، که به روش آلیاژسازی مکانیکی و پرس گرم تولید شده بودند، با استفاده از داده های موجود طراحی شد. درصد حجمی تقویت کننده، اندازه ذرات تقویت کننده نانومتری، نیروی وارد شده در آزمون سختی ویکرز؛ همچنین عوامل موثر بر فرآیند آلیاژسازی مکانیکی مانند زمان آسیاب کاری، نسبت وزنی گلوله به پودر و سرعت آسیاب به عنوان متغیرهای ورودی شبکه و عدد سختی ویکرز به عنوان متغیر خروجی شبکه درنظر گرفته شدند. عوامل موثر در آموزش شبکه مانند نرخ آموزش، تعداد لایه های پنهان و تعداد نرون های لایه های پنهان؛ با سعی و خطا تعیین شدند. برای بررسی عملکرد شبکه، از نمودارهای رگرسیون در مراحل آموزش، صحت سنجی و تست؛ و همچنین از میانگین مربعات خطا استفاده شد. شبکه عصبی طراحی شده قادر است سختی ویکرز داده های تست را با میانگین خطای 2.67 درصد یا 2.25 ویکرز پیش بینی نماید. همچنین میانگین مربعات خطا در مرحله صحت سنجی 7.76 بود. با استفاده از شبکه عصبی طراحی شده، سختی ویکرز نانو کامپوزیت آلومینیوم-آلومینا، بدون نیاز به کارهای آزمایشگاهی پرهزینه، قابل پیش بینی می باشد. | ||
| Keywords | ||
| نانوکامپوزیت زمینه آلومینیومی; میکرو سختی ویکرز; آلیاژسازی مکانیکی; شبکه عصبی مصنوعی | ||
|
Statistics Article View: 2,740 PDF Download: 3,936 |
||
| Number of Journals | 45 |
| Number of Issues | 2,160 |
| Number of Articles | 24,560 |
| Article View | 19,396,763 |
| PDF Download | 15,843,175 |