بهروز هرمزی نژاد - دانشجوی کارشناسی ارشد دانشکده مهندسی مکانیک، دانشگاه آزاد اسلامی، واحد دزفول،ایران کارشناس مسئول مدیریت بحران شرکت آبفا اهواز
میلاد کریمی کریموند - کارشناسی ارشد مهندسی مکانیک گرایش ساخت و تولید
بهنوش هرمزی نژاد - کارشناسی مهندسی صنایع

در این پژوهش به بررسی بهبود خواص خستگی و پیش بینی این پدیده پرداخته شده است. نمونه های آزمون به روش کربوره، سختی کاری سطحی شدند. سختی کاریهای انجام گرفته در شرایط زمانی ودمایی مختلف انجام گرفت. با افزایش دما و یا زمان سختی کاری، با توجه به این که میزان عمق سختی بیشتر میشود، مقدار عمر خستگی نیز افزایش مییابد. این افزایش عمر خستگی بر اساس یک رابطهمنطقی بوده و با استفاده از ابزارهای ریاضی قابل استخراج میباشد. ورودیهای شبکه عصبی، مدت زمان، دمای کوره و حد خستگی نمونه خام و خروجی شبکه، حد خستگی نمونه های سختیکاری سطحی شده در نظر گرفته شد. عملکرد شبکه های عصبی آموزش دیده شده، توسط ضرایب عملکرد مورد بررسی قرار گرفت و در پایان هم داده های تخمین زده شده توسط شبکه عصبی با داده هایی که در آزمایشگاهبدست آمد مقایسه شد، عملکرد شبکه ها قابل قبول هستند و قابلیت تخمین حد خستگی نمونههای سختی کاری سطحی شده را دارند. استفاده از مدل تهیه شده توسط شبکه عصبی، باعث صرفه جویی در هزینهها و مدت زمان آزمایشات میشود

حد خستگی، کربوره، شبکه عصبی