محمدرضا سلطانی - کارشناس مهندسی مکانیک دانشگاه صنعتی خواجه نصیرالدین طوسی
حمید خرسند - استادیار گروه مواد دانشگاه صنعتی خواجه نصیرالدین طوسی

متالورژی پودر شامل چندین ورودی و خروجی میباشد که به صورت غیر خطی به یکدیگر وابسته میباشند و روشهای بهینهسازی آماری برای بررسی تأثیرورودیها مناسب نیستند. بنابراین بایستی از شبکه عصبی برای پیشبینی خواص مکانیکی قطعات متالورژی پودر بهره ببریم. در این مقاله از دادههای تجربی 23نوع پودر پایه آهن بهره بردهایم. مدل استفاده شده بر پایه شبکه عصبی چند لایه ایجاد شده است و از الگوریم پس انتشار خطا جهت آموزش استفاده نمودهایم.آموزش بانظارت برای تعلیم شبکه عصبی استفاده شده است که به پیشبینی پارامترهایی نظیر چگالی، سختی، تنش کششی نهایی کمک میکند. در نهایت 3 مدل شبکه عصبی از نوعFFNNطراحی شد، سپس، مدل ها به کمک داد ههایی که برای ساخت مدل از آنها استفاده نشده بود، تحت ارزیابی و تست قرار گرفتند. مقایسه نتایج حاصل از مدلسازی در مقایسه با مقادیر تجربی برای داد ههای تست، دلالت بر این مطلب دارند که مد لهای طراحی شده قادرند در محدوده طراحی مدل و با دقتی مطلوب عوامل موردنظر را پیش بینی کنند

متالورژی پودر، فولاد، خواص مکانیکی، شبکههای عصبی مصنوعی