بهینه نمودن کارایی شبکه عصبی مصنوعی برای پیش بینی خواص کششی Al-۵۰۸۳ اتصال داده شده توسط فرایند FSW

سال انتشار: 1402
محل انتشار: دوفصلنامه علوم و فناوری جوشکاری ایران، دوره: 9، شماره: 2
کد COI اختصاصی: JR_JWSTI-9-2_008
زبان مقاله: فارسی
تعداد مشاهده: 54

نویسندگان

Departemnt of Mining and Metallurgy, Faculty of Engineering, Yazd University, Iran.

چکیده

در این تحقیق، بهینه سازی قابلیت شبکه عصبی مصنوعی (ANN) به منظور پیش بینی استحکام کششی و ازدیاد طول نسبی اتصالات ایجاد شده بر Al-۵۰۸۳ توسط فرایند جوشکاری همزنی اصطکاکی (FSW) مورد بررسی قرار گرفت. بدین منظور با تغییر پارامترهای موثر بر کارایی ANN از قبیل تعداد لایه ها و تعداد نورون های لایه های مخفی، نوع تابع انتقال بین لایه ها، الگوریتم یادگیری و غیره، شبکه عصبی کارآمد برای پیش بینی خواص کششی اتصالات FSWed-Al-۵۰۸۳ تعیین گردید. بررسی های انجام شده آشکار نمود که شبکه عصبی پرسپترون با دو لایه پنهان و تعداد ۱۷ نورون، الگوریتم آموزش لونبرگ-مارکوارت و تابع انتقال Logsig برای لایه های میانی و تابع تبدیل Tansig برای لایه خروجی، کارآمدترین شبکه عصبی برای پیش بینی مورد نظر است. شبکه مذکور دارای ساختار بهینه براساس کمینه مقدار خطای میانگین مربعات ۰۵/۰، بیشینه ضریب همبستگی کل ۹۳/۰ و رگرسیون خط با زاویه ۴۵ درجه بین مقادیر واقعی و پیش بینی شده می باشد. در نتیجه این شبکه از کارایی مطلوبی برای آموزش، تعمیم و برآورد استحکام کششی و ازدیاد طول نسبی Al-۵۰۸۳ اتصال FSW داده شده برخوردار است.

کلیدواژه ها

Al-۵۰۸۳, FSW, Strength, Rotation speed, Traverse speed, artificial neural network., Al-۵۰۸۳, FSW, استحکام, سرعت چرخش, سرعت پیش روی, شبکه عصبی مصنوعی.

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.