پیش بینی اثرات اندازه دانه در تغییر شکل داغ مس خالص تجاری با استفاده از شبکه عصبی
- سال انتشار: 1399
- محل انتشار: نهمین کنفرانس و نمایشگاه بین المللی مهندسی مواد و متالورژی ایران و چهاردهمین همایش ملی مشترک انجمن مهندسی متالورژی و مواد ایران و انجمن ریخته گری ایران
- کد COI اختصاصی: IMES14_216
- زبان مقاله: فارسی
- تعداد مشاهده: 481
نویسندگان
دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک
دانشیار، دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک
چکیده
رفتار تغییر شکل داغ مواد بدلیل وابستگی آن به تغییرات نرخ کرنش، اندازه دانه، کرنش و دما دارای پیچیدگی های زیادی استو لذا پیش بینی رفتار ماده در این شرایط مشکل می باشد. هدف این برسی پیش بینی اثرات اندازه دانه در رفتار تغییر شکل گرممس خالص تجاری با استفاده از الگوریتم شبکه عصبی می باشد. برای این منظور از آزمایش های داغ در محدوده دمایی بین 400تا 700 درجه سلیسیوس و در نرخ کرنش های بین 0/001 تا 0/1 بر ثانیه و اندازه دانه 45μMـ 25 استفاده شد. با استفاده ازنتایج تجربی، یک مدل شبکه عصبی پس انتشار پیش-سو جهت پیش بینی رفتار تغییر شکل داغ این آلیاژ توسعه داده شدهاست. همچنین برای ارزیابی از عملکرد مدل مورد مطالعه از معیار ضریب همبستگی، میانگین خطای نسبی مطلق و خطای نسبیاستفاده شد که مقدار آنها به ترتیب برابر 0/9959، 6/12% و 0/53% به دست آمد. که نشان دهنده توانایی بالای مدل شبکهعصبی مصنوعی در پیش بینی تنش سیلان می باشد.کلیدواژه ها
اثرات اندازه دانه، شبکه عصبی، مس خالص، تغییر شکل گرممقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.