CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

تخمین خستگی اتصالات هیبرید با استفاده از هوش مصنوعی

عنوان مقاله: تخمین خستگی اتصالات هیبرید با استفاده از هوش مصنوعی
شناسه ملی مقاله: ELEMECHCONF06_255
منتشر شده در ششمین کنفرانس ملی پژوهش های کاربردی در مهندسی برق، مکانیک و مکاترونیک در سال 1399
مشخصات نویسندگان مقاله:

علی یوسف نژاداسکویی - دانشجوی کارشناسی ارشد، دانشکده مهندسی، گروه مکانیک، دانشگاه نبی اکرم تبریز
کریم صمد زمینی - مدیر گروه رشته کامپیوتر، دانشکده مهندسی، دانشگاه نبی اکرم
فیروز اسماعیلی گلدرق - مدیر گروه رشته مکانیک، دانشکده مهندسی، دانشگاه نبی اکرم

خلاصه مقاله:
اتصالات هیبرید(پیچ و مهره، چسب) یکی از پرکاربردترین نوع اتصالات در صنایع مختلف از جمله در هوا فضا میباشد، این نوع اتصالات در اثر رشد ترکهای ریز در ساختمان فلز بر اثر بارگذاری سیکلی یا متناوب اتفاق میافتد، به دلیل این که شکستها به صورت ناگهانی رخ میدهد، میتواند حوادث هولناکی چون سقوط هواپیما، غرق شدن کشتی، ریزش پل و نشست مواد سمی رادیواکتیو را به همراه داشته باشد، برای جلوگیری از این حوادث آزمایشات خستگی بر روی یک نمونه از قطعات که مشابه قطعه واقعی میباشد انجام میشود، تا عمر خستگی از طریق این روش بدست بیاید. اما چون آزمایشات خستگی زمانبر بوده و هزینه زیادی را خواهد داشت، از این رو در این تحقیق برای تخمین عمر خستگی اتصالات هیبرید از روشهای هوش مصنوعی استفاده شده است. در قسمت تجربی این تحقیق بر روی صفحات از جنس آلیاژ آلومنیوم2024-T3 که یکی از مواد پر مصرف در هوافضا میباشد، تستهای خستگی به عنوان داده های ورودی وخروجی از مقاله مرتبط استخراج شده است، از کل 36 داده ها 18 تست برای اتصالات هیبرید و 18 تست برای اتصالات پیچ مهره در نظر گرفته شده است، با توجه به تعداد داده ها بهترین نتیجه این بود که %80 داده ها برای آموزش شبکه در نظر گرفته و %20 بهعنوان داده های تست برای ارزیابی عملکرد شبکه استفاده شده است. در نهایت خروجی پیشبینی شده با خروجی واقعی مقایسه شده و بهترین عملکرد شبکه عصبی بعد از نرمالیزه کردن داده ها بوده، که مقدار خطا نزدیک به صفر رسیده است.

کلمات کلیدی:
عمر خستگی، پیچ مهره، شبکه عصبی، اتصالات هیبرید، هوش مصنوعی

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1129951/