ارتباط بین ویژگی های ریزساختاری و خواص کششی در آلیاژ Ti-۶Al-۴V با استفاده از شبکه عصبی مصنوعی
Publish place: Modares Mechanical Engineering، Vol: 20، Issue: 8
Publish Year: 1399
Type: Journal paper
Language: Persian
View: 40
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_MME-20-8_008
Index date: 12 March 2025
ارتباط بین ویژگی های ریزساختاری و خواص کششی در آلیاژ Ti-۶Al-۴V با استفاده از شبکه عصبی مصنوعی abstract
در مطالعه حاضر، تاثیر سه پارامتر ریزساختاری ازجمله کسر حجمی فاز α (A)، ضخامت لایه α (B) و نسبت ابعادی فاز α اولیه (C) بر روی استحکام تسلیم و ازدیاد طول در آلیاژ Ti-۶Al-۴V با استفاده از روش رویه پاسخ با طرح مرکب مرکزی مورد بررسی قرار گرفت. داده های مورد نیاز برای طراحی آزمایش و تحلیل واریانس از طریق شبکه عصبی مصنوعی، پیش بینی شدند. به این منظور ابتدا با استفاده از داده های تجربی سایر محققین شبکه عصبی مصنوعی با دو لایه پنهان توسط الگوریتم پس انتشار خطا تعلیم داده شد. هدف اصلی این مطالعه مقایسه قابلیت پیش بینی دو شبکه پیش خور و پس خور و همچنین بررسی چگونگی تاثیر ویژگی های ریزساختاری بر خواص مکانیکی آلیاژ Ti-۶Al-۴V است. نتایج نشان داد که شبکه عصبی پس خور نسبت به شبکه پیش خور به ازای پارامترهای ورودی توانایی پیش بینی مناسب و دقیق تری از مقادیر استحکام تسلیم و ازدیاد طول آلیاژ Ti-۶Al-۴V دارد. همچنین از تحلیل واریانس و تکنیک رویه پاسخ مشخص شد، عناصر مرتبه اول و دوم C، B۲، AB۲ و A۲C به علاوه عناصر A، C، B۲، BC و A۲B به ترتیب از موثرترین فاکتورهای تاثیرگذار بر تعریف رفتار استحکام تسلیم و ازدیاد طول آلیاژ Ti-۶Al-۴V هستند.
ارتباط بین ویژگی های ریزساختاری و خواص کششی در آلیاژ Ti-۶Al-۴V با استفاده از شبکه عصبی مصنوعی Keywords:
Ti-۶Al-۴V Alloys , Artificial Neural Network , Error Propagation Algorithm , Central Composite Design , Response Surface Method , آلیاژ Ti-۶Al-۴V , شبکه عصبی مصنوعی , الگوریتم پس انتشار خطا , طرح مرکب مرکزی , تکنیک رویه پاسخ
ارتباط بین ویژگی های ریزساختاری و خواص کششی در آلیاژ Ti-۶Al-۴V با استفاده از شبکه عصبی مصنوعی authors
علیرضا فلاحی آرزودار
Manufacturing Department, Mechanical Engineering Faculty, Amirkabir University of Technology, Tehran, Iran
مصطفی آسمانی
Manufacturing Department, Mechanical Engineering Faculty, Amirkabir University of Technology, Tehran, Iran
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 :
