استفاده از مدل شبکه های عصبی مصنوعی در پیش بینی خواص مکانیکی فولاد میکروآلیاژی فورج پذیر

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