ولی علی میرزالو - هیئت علمی دانشگاه ارومیه

برای حذف لایه آلفای سطحی از سطح  قطعات فورج داغ شده از جنس آلیاژ تیتانیم و بهبود کیفیت سطح معمولا از فرآیند اسیدشویی استفاده می شود. با توجه به اثر متقابل پارامترهای موثر در این فرآیند، بررسی تاثیر پارامترها بر کیفیت سطح قطعه و میزان باربرداری و  بهینه سازی آنها، نیازمند انجام آزمایشات تجربی و استفاده از روشهای مدلسازی است. در این تحقیق، تاثیر پارامترهای دما، مدت عملیات، غلظت اسید های هیدروفلوریک و نیتریک بر توابع پاسخ زبری سطح قطعه و عمق باربرداری، مدلسازی و بهینه سازی می شود. ابتدا با طراحی آزمایشات با روش تاگوچی و انجام آنها، تاثیر پارامترهای مذکور بر توابع پاسخ با روش شبکه عصبی مصنوعی مدلسازی می شود و با استفاده از این مدل تاثیر پارامترهای ورودی بر زبری سطح قطعه و عمق باربرداری بررسی می گردد. سپس با ترکیب روش الگوریتم ژنتیک و شبکه عصبی، مقدار بهینه پارامترهای ورودی بدست  می آید. نتایج نشان می دهد که شبکه عصبی پیش خور سه لایه ای با الگوریتم آموزش پس انتشار لونبرگ-مارکوارت با ده گره برای لایه پنهان با دقت بالایی زبری سطح و عمق باربرداری را برحسب پارامترهای ورودی مدلسازی می کند. با افزایش دما و درصد اسید هیدروفلوریک، عمق باربرداری بیشتر می شود و درصد اسید نیتریک و دمای عملیات در تاثیر بر عمق باربرداری باهم اثر متقابل دارند. مدت عملیات در زبری سطح تاثیر قابل توجهی ندارد و با افزایش دما در درصدهای پایین اسید هیدروفلوریک، زبری سطح کاهش می یابد اما در درصدهای بالای اسید، زبری سطح افزایش می یابد.

اسید شویی, آلیاژ تیتانیم, زبری سطح, شبکه عصبی, الگوریتم ژنتیک