پیش بینی استحکام برشی قطعات خام متالورژی پودر با استفاده از شبکه عصبی مصنوعی

Publish place: Steel Symposium 1388
Publish Year: 1388
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 984

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

STEELSYMPO12_089

تاریخ نمایه سازی: 17 مهر 1391

Abstract:

شبکه عصبی از پراستفاده ترین ابزارهای هوش مصنوعی است که اخیراً جای خود را در محاسبات و مدل سازی های مهندسی تثبیت کرده است. در این تحقیق سعی شده با استفاده از شبکه عصبی ، مدلی ساخته شود که قادر به پیش بینی استحکام برشی در قطعات خام متالورژی پودر باشد. به این منظور مقادیر ا ستحکام برشی بدست آمده در دوراستای موازی و عمود بر جهت پرس برای سه نوع پودر آهن تجاری حاوی سه نوع روانکار، در چهار غلظت مختلف که تحت فاشرهای متفاوت پرس شده بودند، مورد استفاده قرار گرفت. پس از آموزش شبکه، بررسی نتایج و پیش بینی های آن در مورد داده های آزمون دقت بسیار بالایی را در پیش بینی استحکام برشی به ثبات رساند. به این ترتیب در این تحقیق، شبکه ای طراحی و با موفقیت آزمایش شد که می توان با استفاده از آن استحکام برشی متوسط قطعات خام متالورژی پودر را بدون نیاز به انجام آزمایش مکانیکی در کمترین زمان و با بیشترین دقت پیش بینی کرد.

Keywords:

قطعات خام متالورژی پودر , استحکام برشی , شبکه عصبی مصنوعی

Authors

بهنام لطفی

گروه مهندسی مواد، دانشکده مهندسی، دانشگاه شهید چمران اهواز

صادق حجارپور

گروه مهندسی مواد دانشکده مهندسی، دانشگاه شهید چمران اهواز

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 :
  • P. Ganesan, _ Domsa and P. Beiss, "Fracture Toughness of ...
  • S. Galen and A.Zavaliangos, "Strength Anisotropy in a Co ld-Compacted ...
  • A. Simchi, H. Danninger and B. Weiss, "Mi crostructural modelling ...
  • B. Lotfi, A. Tausend and P. Beiss, :A Shear Strength ...
  • Z. Zhang, ،Artificial neural network predictions on erosive wear of ...
  • G. Dini, A. Najafizadeh, S. M. Monir-Vaghefi, and A. Ebnonnasr ...
  • H. Demuth, M. Beale and M. Hagel, "Neural Network Toolbox ...
  • A. Ramgulam, T. Ertekin, and P. B. Flemings "Utilization of ...
  • نمایش کامل مراجع