تخمین طولHAZبااستفاده ازهوش مصنوعی

در این مقاله توسط نرم افزار Ansys گرادیان دمایی اطراف جوش محاسبه و از نتایج آن جهت تعیین ناحیه متاثر از جوش استفاده میگردد. با تغییر پارامترهای موثر در HAZ از قبیل شدت جریان، ولتاژ و سرعت جوشکاری مسئله برای حالتهای مختلف تحلیل میگردد. از خروجهای بدست آمده توسط Ansys در جهت آموزش و ایجاد یک شبکه عصبی انتشار برگشتی استفاده میگردد. به منظور آموزش شبکه عصبی دستهای از ورودیها که شامل شدت جریان، ولتاژ و سرعت جوشکاری است ایجاد میگردد. جهت آموزش این شبکه از الگوریتم نظارت شده استفاده میشود. این شبکه عصبی دارای تابع تحریک لایه خروجی خطی و تابع تحریک لایه های میانی آن تابع سیگموئید است. با آموزش این شبکه بدون آنکه نیاز باشد مسئله جوش را با Ansys حل نمود میتوان طول ناحیه متاثر از جوش را با تقریب قابل قبولی تخمین زد و بدین ترتیب حجم عملیات کامپیوتری بنحو چشمگیری کاهش مییابد. نتایج نشان میدهد که شبکه عصبی به خوبی توانایی تخمین طول ناحیه HAZ را دارد. همچنین طول ناحیه متاثر از جوش با افزایش شدت جریان، ولتاژ و حرارت ورودی افزایش مییابد و با سرعت جوشکاری رابطه معکوس دارد.

Keywords:

ناحیه متاثر از جوش , گرادیان دمایی , شبکه عصبی انتشار برگشتی.