کاربرد شبکه عصبی پس انتشار جهت پیش بینی سختی سطحی فولاد

درصنعت، قسمت سطحی قطعاتی نظیر، اجزای خاص قالب های صنعتی، چرخ دنده هاو محورهای انتقال باید سخت و قسمت مرکزی در عین سختی یکنواخت دارای انعطاف پذیری کافی باشد تا بتواند در مقابل نیروهای دینامیکی مقاومت کند . از این رو، سطح چنین قطعاتی را به روش های مختلف سخت می کنند. روش اول سخت کاری در واقع اصطلاحی کلی برای فرایندهایی است که در آنها از طریق جذب برخی عناصر به سطح فولاد توسط فرایند نفوذ ترکیب شیمیایی سطح قطعه را تغییر می دهند و نوعی شیب غلظتی به وجود می آورند. بسته به نوع عنصر مورد استفاده برای نفوذ به سطح فولاد، روش سختکاری سطحی را به نامی مشخص می خوانند . مثلا، درصورت استفاده از کربن به عنوان عنصر نفوذکننده در عملیات سختکاری، روش را کربن دهی می گویند.روش دوم، نوعی فرایند سخت کاری سطحی است که تنها لایه سطحی یک قطعه کار از طریق گرم کردن القایی یا شعله یا ... تا حد بالاتر از دمای بحرانی گرم و سپس سریعا سرد می شود. در تحقیق ما با انجا م عملیات سخت سازی سطحی و با استفاده از نرم افزارهای تخصصی مهندسی و با بررسی ساختاری و کدنویسی ساخت شبکه عصبی مصنوعی، ساختار و معماری مناسب شبکه عصبی را ایجاد کرده و با توجه به داده های ورودی که شامل دمای کربن دهی و آستنیته سازی ،زمان کربن دهی و آستنیته سازی، دمای تمپرینگ و زمان تمپرینگ می باشند به پیش بینی سختی سطحی فولاد ابزار سردکار با استفاده از مقایسه ی بین داده های خروجی شبکه عصبی و داده های حقیقی آزمایش تجربی می پردازیم.

Keywords:

هوش مصنوعی , شبکه عصبی , سخت سازی سطحی , فولاد