پیش بینی اثرات اندازه دانه در تغییر شکل آلومینیوم 1070 با استفاده از شبکه عصبی
Publish place: 28th Annual Conference of Mechanical Engineering
Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 585
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISME28_063
تاریخ نمایه سازی: 22 تیر 1399
Abstract:
رفتار تغییر شکل داغ مواد بدلیل وابستگی آن به تغییرات نرخ کرنش، اندازه دانه، کرنش و دما دارای پیچیدگیهای زیادی است و لذا پیش بینی رفتار ماده در این شرایط مشکل میباشد. هدف این برسی پیش بینی اثرات اندازه دانه در رفتار تغییر شکل گرم آلیاژ آلومینیوم خالص 1070 با استفاده از الگوریتم شبکه عصبی میباشد. برای این منظور از آزمایشهای داغ در محدوده دمایی بین 350 تا 500 درجه سلیسیوس و در نرخ کرنشهای بین 0/005 تا 0/5 بر ثانیه و اندازه دانه 50-450 استفاده شد. با استفاده از نتایج تجربی، یک مدل شبکه عصبی پس انتشار پیش سو جهت پیش بینی رفتار تغییر شکل داغ این آلیاژ توسعه داده شده است. همچنین برای ارزیابی از عملکرد مدل مورد مطالعه از معیار ضریب همبستگی، میانگین خطای نسبی مطلق و خطای نسبی استفاده شد که مقدار آنها به ترتیب برابر 0/9998، % 0/3866 و % 0/032 به دست آمد. که نشان دهنده توانایی بالای مدل شبکه عصبی مصنوعی در پیش بینی تنش سیلان میباشد.
Keywords:
Authors
امیرارسلان شایان پور
دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک، اراک،
حمیدرضا رضایی آشتیانی
دانشیار، دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک، اراک،