تخمین انرژی انتشار ترک قطعات به روش هوش مصنوعی در جوشکاری زیرپودری فولادهای ساختمانی

  • سال انتشار: 1390
  • محل انتشار: دوازدهمین کنفرانس ملی مهندسی ساخت و تولید ایران
  • کد COI اختصاصی: ICME12_169
  • زبان مقاله: فارسی
  • تعداد مشاهده: 658
دانلود فایل این مقاله

نویسندگان

امیر مصطفی پور

استادیار دانشکده مهندسی مکانیک، دانشگاه تبریز

غلامرضا مرامی

کارشناس ارشد، دانشکده مهندسی مکانیک، دانشگاه تبریز

سید جواد اعرج خدایی

کارشناس، دانشکده مهندسی مکانیک،دانشگاه تبریز

چکیده

روشهای نوین جوشکاری را می توان به عنوان یکی از اصلی ترین عوامل پیشرفت کیفیت اتصالات در نظر گرفت. در این میان جوشکاری زیر پودری فرایندیاست که نقش چشمگیری در اتصالات سازه های سنگین نظیرپلها، مخازن تحت فشار و توربین های بادی ایفا می کند. ازسویی بیش از هشتاد درصد شکست سازه ها ناشی از شکستهای ناگهانی می باشد که منشا آن انتشار ترک است، لذا افزایش انرژی انتشار ترک در اتصالات صورت گرفته و پیش بینی آن قبل از انجام فرایند از جمله مواردیست که همواره ذهن طراحان و سازندگان سازه های سنگین را به خود مشغول کرده است. در این تحقیق نمونه هایی از جنس فولاد ساختمانی تحت شرایط مختلف نظیر شدت جریان، سرعت پیشروی و فاصله نوک نازل جوشکاری شده و مقدار انرژی انتشار ترک به صورت عملی به کمک دستگاه تست کشش اندازه گیری شد. در مرحله بعد با استفاده از این اطلاعات تجربی، یک سیستم هوش مصنوعی از نوع شبکه های عصبی در نرم افزار مطلب مدلسازی و آموزش داده شد که ورودی های آن پارامترهای تنظیمی جوشکاری زیرپودری و خروجی آن انرژی انتشار ترک اتصال است. هدف از این سیستم هوشمند فراهم نمودن امکان پیش بینی انرژی انتشار ترک در اتصال، پیش از انجام فرآیند و با معلوم بودن پارامترهای مختلف ورودی است. این سیستم هوشمند بعد از آموزش، آزمایش شد. نتایج کار نشان داد که با استفاده از شبکه عصبی با دقت بسیار بالائی می توان انرژی انتشار ترک را قبل از انجام جوشکاری تخمین زد.

کلیدواژه ها

جوشکاری زیرپودری، انرژی انتشار ترک، پارامترهای جوشکاری، فولادهای ساختمانی، شبکه عصبی هوش مصنوعی

مقالات 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.