زهرا طیبی - دانشجو کارشناسی، موسسه آموزش عالی پیشتازان ، شیراز، ایران
مهرناز نیازی - استادیار، موسسه آموزش عالی پیشتازان ، شیراز، ایران
امیرحسین ملااحمدی - کارشناسی، دانشکده مهندسی مواد . متالورژی، دانشگاه سمنان، سمنان، ایران

متالورژی پودر در مقایسه با سایر روشهای تولید دارای قابلیت ساخت قطعات دقیق با کاهش قابل توجه در هزینه تمام شده 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 زمینه ها از جمله صنعت خودرو، صنایع هوایی، ماشین آلات اداری، ابزار برش و غیره به کار میروند که به طور مستقیم در اغلب اوقات تحت بارگذاری های متناوب (خستگی) در حین سرویس دهی 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 گاها0 جبران ناپذیر نیز میباشند، وجود دارد. از طرفی پراکندگی آماری نتایج آزمونهای خستگی، لزوم تکرار آزمونها و همچنین صرف هزینه و زمان زیاد را می طلبد. با این وجود به کارگیری روشهایی برای پیش بینی 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 پیش بینی 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 داده های تجربی حاصل از آزمایش که در نمودارها نرمالیزه شده اند، نشان دهنده تطابق مناسب بین آنهاست. نتایج حاصل، کارآیی شبکه عصبی را به منظور پیشبینی حد خستگی فولادهای متالورژی پودر، تایید مینماید.

فولادهای متالورژی پودر، شبکه عصبی مصنوعی، پیشبینی رفتار خستگی