استفاده از مدل شبکه های عصبی مصنوعی در پیش بینی خواص مکانیکی فولاد میکروآلیاژی فورج پذیر
Publish place: 01st joint conference of Iranian Metallurgical Engineers Society and Iranian Foundry men
Publish Year: 1386
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,055
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IMES01_119
تاریخ نمایه سازی: 29 اسفند 1390
Abstract:
فولادهای میکروآلیاژی فورج پذیر از جنبه ایجاد صرفه جویی فراوان در هزینه های تولید قطعات خودرو وهمچنین افز ایش راندمان تولید مورد توجه قرار گرفته اند. کنترل خواص مکانیکی در قطعات تولید شدهمی تواند با کنترل ترکیب شیمیایی، دمای فورج و سرعت سرد شدن انجام پذیرد .در این تحقیق مطالعه بر روی تغییرات خواص مکانیکی فولاد میکروآلیاژی38MnVS5 تحت تاثیر دمای فورج و شرایط س رد شدن نشان داده است که تغییر دمای فورج از1100درجه تا 1200 درجه تغییر محسوس بر خواص مکانیکی این فولاد ایجاد نمی کند اما در مقابل تغییر سرعت سرد شدن که با تغییر روش سرد کردن قطعات انجام شده است می تواند به صورت کاملاً محسوسی خواص مکانیکی در قطعه نهایی را تحت تاثیر قرار دهد .از این رو رسیدن به شرایط بهینه دمای فورج و سرعت سرد شدن در ترکیب شیمیایی ثابتاز اهمیت فراوانی برخوردار است . در این تحقیق به کمک روش شبکه های عصبی مصنوعی دو مدل طراحی شده که درمدل اول دمای فورج و شرایط سرمایش با توجه به خواص مکانیکی و در م دل دومخواص مکانیکی با فرض داشتن دمای فورج و شرایط سرمایش پیشبینی میشود . این مدلها توانایی پیشبینی پارامترهای ذکر شده را با دقت مناسب در محدوده طراحی شبکه را دارند . بااستفاده از این متد به مقداربسیار زیادی در وقت و هزینه صرفه جویی میشود
Keywords:
فولاد میکرو آلیاژی – شبکه های عصبی مصنوعی – خواص مکانیکی
Authors
مهدی ارجمندی بهزاد
دانشجوی کارشناسی ارشد شناسایی مواد
مجتبی موسوی
مسئول گروه کارشناسی شرکت ساپکو
حمید رحمانی سراجی
مدیر امور مهندسی مواد شرکت ساپکو
حمید خرسند
استادیار دانشگاه صنعتی خواجه نصیرالدین طوسی
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 :