پیش بینی رفتار تغییر شکل داغ آلیاژ آلومینیوم ۲۰۳۰ با استفاده از شبکه عصبی مصنوعی
Publish place: JOURNAL OF MECHANICAL ENGINEERING، Vol: 47، Issue: 2
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 203
This Paper With 8 Page And PDF Format Ready To Download
- 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:
JR_TUMECHJ-47-2_009
تاریخ نمایه سازی: 20 آبان 1400
Abstract:
رفتار تغییر شکل داغ مواد بدلیل وابستگی آن به تغییرات کرنش، نرخ کرنش و دما دارای پیچیدگی های قابل ملاحظه ای است و لذا پیش بینی رفتار ماده در این شرایط مشکل می باشد. هدف از این بررسی پیش بینی رفتار تغییر شکل داغ آلیاژ آلومینیوم ۲۰۳۰ با استفاده از یک شبکه عصبی مصنوعی توسعه یافته مناسب می باشد. برای این منظور از آزمایشهای فشار داغ در محدوده دمایی بین ۳۵۰ تا ۵۰۰ درجه سلسیوس و در نرخ کرنشهای بین ۰۰۵/۰ تا ۵/۰ بر ثانیه استفاده شد. با استفاده از نتایج تجربی حاصل از این آزمایشات، یک مدل شبکه عصبی پس انتشار پیش- سو جهت پیشبینی رفتار تغییر شکل داغ این آلیاژ توسعه داده شد که دمای تغییر شکل، لگاریتم نرخ کرنش و کرنش بعنوان ورودی و تنش سیلان به عنوان خروجی این شبکه عصبی در نظر گرفته شد. شبکه مورد استفاده شامل یک لایه مخفی متشکل از ۱۲ نورون با تابع انتقال هلالی مماسی و الگوریتم آموزش لونبرک – مارکارت است. بررسی نتایج پیش بینی حاکی از همبستگی بسیار خوب بین نتایج تجربی و نتایج پیشبینی شده می باشد، که نشان دهنده توانایی بالای مدل شبکه عصبی مصنوعی توسعه یافته در پیش بینی سطوح تنش سیلان، و همچنین نواحی سخت شوندگی و نرم شوندگی دینامیکی در منحنیهای تنش -کرنش می باشد.
Keywords:
Authors
حمیدرضا رضایی آشتیانی
استادیار، دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک، اراک، ایران
پیمان شاهسواری
دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک، اراک، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :