بابک موزونی - دانشگاه صنعتی شریف، دانشکده مهندسی و علم مواد، دانشجوی کارشناسی و عل
ایمان قانع قناد - دانشجوی کارشناسی مهندسی و علم مواد
سید حمیدرضا مداح حسینی - دانشیار دانشکده مهندسی و علم مواد

در این پژوهش جهت پیش بینی اثر بور بر سختی آلیاژ Ti-6AI-4V از روش شبکه عصبی مصنوعی استفاده شده است. به این منظور داده های آزمایش های صورت گرفته روی نمونه های مختلف Ti-6AI-4V حاوی حداکثر تا 1/5 درصد وزن بور در گستره دمایی 0 تا 900 درجه سانتیگراد، به شبکه هایی با یک لایه میانی و تعداد نرون های مختلف داده شد. برای بررسی نحوه رفتار شبکه در حین آموزش، شاخص اجرایی میانگین مجذور خطا (MSE) انتخاب گردید و از معیار R2 حاصل از داده های تست، به عنوان معیار انتخاب بهترین شبکه آموزش یافته استفاده شد. نتایج نشان داد که شبکه عصبی مصنوعی با 8 نرون در لایه میانی در میان سایر شبکه ها با 0/998=R2 بهترین عملکرد را داشته و مقادیر پیش بینی شده توسط آن تطابق زیادی با نتایج عملی دارد.

شبکه عصبی مصنوعی، Ti-6AI-4V، بور، سختی