محمدرضا حیدری - دانشگاه آزاد اسلامی واحد الیگودرز، گروه مکانیک. کارشناس ارشد مکانیک،
حسین احمدوند - کارشناس ارشد عمران، مربی گروه عمران دانشگاه آزاد اسلامی واحد بروجن
خسرو نادران طلحان - دکتری مکانیک، دانشیار گروه مکانیک، دانشگاه شهید چمران اهواز

آلیاژ حافظه دار نایتینول کاربردهای فراوانی در پزشکی، هوافضا و صنایع مختلف دارد. سخت شدن در اثر کرنش و رفتار غیر معمول پیزوالکتریک از جمله عواملی است که، موجب شده ماشینکاری آلیاژ حافظه دار نایتینول را پیچیده نماید. در این مقاله به کمک روش شبکه های عصبی نیروی تراشکاری در این آلیاژ تخمین زده می شود. برای این منظور ابتدا نیروی تراشکاری آن در آزمایشگاه تحت شرایط مختلف از جمله سرعت برش، نرخ پشروی و دو نوع جنس ابزار برشی به دست می آید. از نتایج آزمایشگاه در جهت آموزش و ایجاد یک شبکه عصبی انتشار برگشتی استفاده خواهد شد. برای این منظور از نرم افزار Matlab استفاده خواهد شد. با آموزش این شبکه عصبی قادر خواهیم بود که نیروی تراشکاری در آلیاژ حافظه دار نایتینول را به دقت قابل قبول و تحت شرایطی را تخمین بزنیم بدون آنکه نیاز باشد از روش های آزمایشگاهی استفاده نمایم. نتایج نشان می دهند که شبکه عصبی به خوبی توانایی تخمین نیروی برشی را در این گونه آلیاژها دارد. از دیگر مزایای این روش صرفه جویی در وقت و هزینه است.

نایتیتنول، تراشکاری، هوش مصنوعی، شبکه انتشار برگشتی