استفاده از مدل شبکه های عصبی مصنوعی در پیش بینی سختی قطعات فولادی تولید شده بهروش متالورژی پودر

ریز ساختار مواد تولید شده به رو ش متالورژی پودر از دو بخش اصلی 1- فازهای زمینه و 2- تخلخل تشکیل شده است . این تخلخلها به عنوان مراکز تمرکز تنش و کاهش دهنده سطح مقطع تحمل بار ایفاینقش کرده و از این رو باعث افت و کاهش خواص مکانیکی میشوند . سختی یکی ازمشخصه های مهم مکانیکی است که در قطعات متالورژی پودر به شدت تحت تاثیر شکل و درصد تخلخلهای موجود استکه این امر منجر به بروز مشکلاتی در اندازه گیری سختی این نمونه ها میشود . البته برای بعضی حالات خاص یک سری روابط خطی با درصد تخلخل وجود دارد که با خطای زیادی همراه است . ما در این تحقیق سعی کرده ایم که به کمک مدل شبکه های عصبی مصنوعی Feed Forward Neural Networkکه با الگوریتم آموزشBack Propagation آموزش دیده است مقدار سختی را در قطعات متالورژی پودر با توجه به پارامترهایی نظیر دانسیته - ترکیب شیمیایی و شرایط تولید( شامل دمای زینتر و نوع سرد کردن) و عملیات حرارتی ( انجام یا عدم انجام عملیات حرارتی ) تعییین و پیشبینی کنیم وبا این روش ازانجام آزمایشاتی که ممکن است سخت, پر هزینه و همراه با خطا است جلوگیری کنیم

Keywords:

سختی , متالورژی پودر , شبکه های عصبی مصنوعی , Feed Forward Neural Network