مدلسازی ارتفاع جوش در فرآیند جوشکاری قوس الکتریکی با گاز محافظ در حضور نانوذرات TiO2 توسط شبکهی عصبی مصنوعی | ||
| مهندسی مکانیک مدرس | ||
| Article 19, Volume 15, Issue 7, 1394, Pages 149-159 PDF (1.02 M) | ||
| Authors | ||
| مسعود آقاخانی* 1; آرش نیک زاد2 | ||
| 1هیئت علمی دانشگاه رازی | ||
| 2دانشجوی کارشناسی ارشد دانشگاه رازی | ||
| Abstract | ||
| یکی از مشخصههای کیفیت اتصالات جوش شده در جوشکاری قوس الکتریکی با گاز محافظ (GMAW) ارتفاع جوش (WH) میباشد. این مقاله بر یک مطالعهی آزمایشگاهی که به منظور دستیابی به یک مدل با استفاده از شبکهی عصبی مصنوعی (ANN) برای پیشبینی WH در فرآیند GMAW با حضور نانوذرات TiO2 انجام شد، تاکید دارد. برای مدلسازی، ولتاژ قوس، جریان جوشکاری، سرعت جوشکاری، درصد گاز آرگون در ترکیب گاز Ar و CO2 و ضخامت نانوذرات TiO2 به عنوان پارامترهای ورودی و WH به عنوان پارامتر خروجی در نظر گرفته شدند. در آزمایشها ماتریس طراحی دالرت به منظور جمع آوری داده استفاده شد. مدل ANN ایجاد شد و توسط 5 آزمایش خارج از ماتریس طراحی ارزیابی شد. نتیجهی قابل توجه این مطالعه مکانیزم تمرکز قوس به علت اثرات متقابل بین پارامترهای ورودی جوشکاری و نانوذرات TiO2 میباشد. علاوه براین نتایج نشان داد که افزایش ضخامت نانوذرات TiO2 تا حدود mm 9/0 ارتفاع جوش را افزایش داد درحالیکه در ادامه با افزایش بیشتر ضخامت تا mm 1 ارتفاع جوش کاهش یافت. در حقیقت این تغییر در ارتفاع جوش میتواند به علت آزاد شدن اکسیژن ناشی از تجزیهی گرمایی نانوذرات TiO2 و CO2 روی سطح حوضچهی مذاب باشد، که کشش سطحی را تحت تأثیر قرار داد و در نهایت جهت جابجایی مارانگونی جریان سیال را در حوضچهی مذاب تغییر داد و در نتیجه بر WH تأثیر گذاشت. در روش ANN، 0066/0MSEtrain=، 0063/0MSEvalidation= و 0093/0MSEtest= میباشد. درنهایت نتیجه گرفته شد که ANN یک روش دقیق برای پیشبینی ارتفاع جوش میباشد. | ||
| Keywords | ||
| نانوذرات TiO2; ماتریس طراحی دالرت; فرآیند GMAW; ارتفاع جوش; شبکهی عصبی مصنوعی | ||
|
Statistics Article View: 249 PDF Download: 301 |
||
| Number of Journals | 45 |
| Number of Issues | 2,160 |
| Number of Articles | 24,572 |
| Article View | 19,841,971 |
| PDF Download | 16,029,181 |