پیش بینی تاثیر عناصر دیرگداز اضافه شده برخواص مکانیکی آلیاژ NiAl با استفاده از شبکه عصبی
Publish place: The first national conference on new developments in mechanical and materials engineering
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 500
This Paper With 5 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:
شناسه ملی سند علمی:
AMME01_013
تاریخ نمایه سازی: 9 مرداد 1395
Abstract:
الیاژهای بین فلزی NiAl به دلیل ویژگی های خاص آنها اغلب در محیط های خشن مورد استفاده قرار می گیرند. آلیاژ NiAl با دو مشکل اساسی مواجه است (1) شکل پذیری ضعیف و سختی در دمای محیط و (2) استحکام و مقامت در برابر خزش کم در دمای بالا. یکی از راه های بهبود این مشکلات اضافه کردن عناصر دیگداز می باشد که از جمله این عناصر مولیبدن (Mo)، نیوبیم (Nb)، تانتال (Ta) و زیرکونیوم (Zr) می باشند که بیشترین تأثیر را بر روی خواص مکانیکی آلیاژ NiAl دارا هستند. برای دستیابی به میزان تأثیر این عناصر در دماهای مختلف تلاش های بسیاری صورت گرفته است ولی به دلیل مشکل بودن کار در دمای بالا و هزینه بر بودن این آزمایشات پیش بینی خواص مکانیکی حاصل از افزودن این عناصر حائز اهمیت می باشد. در این تحقیق از شبکه های عصبی، برای پیش بینی خواص مکانیکی حاصل از افزودن عناصر دیرگداز استفاده شده است. بعد از بررسی توپولوژی های مختلف در نهایت از شبکه ای با معماری پیشخور (Forward Feed) و الگوی آموزش پس انتشار (Back Propagation) استفاده شد. در این مدلسازی درصد عناصر دیرگداز اضافه شده و دما به عنوان متغیر و استحکام تسلیم، استحکام شکست و تغییر طول به عنوان خروجی درنظر گرفته شده است.
Keywords:
Authors
امید گوگونانی
دانشگاه رازی کرمانشاه
بیژن عباسی خزایی
دانشگاه رازی کرمانشاه
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 :