کاربرد شبکه های عصبی مصنوعی در تخمین سختی ویکرز جئن های نشکن Mn Ni Cu-Mo آستمپر شده(ADI)

چدن های نشکن آستمپر شده (ADI) از آلیاژهای مهم صنعتی محسوب می شوند که دارای سختی استحکام و انعطاف پذیری بالائی می باشند.در این چدن ها کنترل دما و زمان عملیات حرارتی آستمپرینگ جهت نیل به خواص مورد نیاز از نظر اهمیت ویژه ای برخوردار است. با توجه به رابطه سختی با خواص مختلف چدن از قبیل ریز ساختار،استحکام،انعطاف پذیری، قابلیت ماشین کاری و مقاومت سایشی برای کنترل عملیات حرارتی آستمپرینگ می توان از اندازه گیری سختی برای تعیین محدوده این خواص استفاده کرد. هدف از این پژوهش ارائه یک شبکه هوشمند عصبی مصنوعی برای تخمین مقدار سختی حاصله در عملیات آستمپرینگ این نوع چدن ها می باشد. به این منظور از یک شبکه عصبی پرسپترون چند لایه (MLP-ANN) استفاده شده است. در این شبکه ورودی ها شامل درصد مولیبدن درصد مس، زمان و دمای آستمپرینگ و خروجی شبکه نیز مقدار سختی ویکرز(VHN) چدن بعد از عملیات حرارتی آستمپرینگ می باشد. در شرایط مختلف از نظر ترکیب شیمیایی و سیکل عهملیات حرارتی آزمایش های عملی انجام گرفت و با استفاده از اطلاعات تجربی شبکه عصبی آموزش داده شد.آزمون عملکرد این شبکه نشان می دهد که شبکه عصبی طراحی شده با دقت بسیار بالا می تواند مقدار سختی این نوع چدن ها را تخمین بزند. از نتایج این شبکه می توان برای کنترل و بهینه سازی عملیات حرارتی آستمپرینگ استفاده کرد.

Keywords:

چدن های نشکن آستمپر شده , دما و زمان آستمپر شده , سختی , شبکه عصبی مصنوعی