ارتباط بین ویژگی های ریزساختاری و خواص کششی در آلیاژ Ti-۶Al-۴V با استفاده از شبکه عصبی مصنوعی

در مطالعه حاضر، تاثیر سه پارامتر ریزساختاری ازجمله کسر حجمی فاز α (A)، ضخامت لایه α (B) و نسبت ابعادی فاز α اولیه (C) بر روی استحکام تسلیم و ازدیاد طول در آلیاژ Ti-۶Al-۴V با استفاده از روش رویه پاسخ با طرح مرکب مرکزی مورد بررسی قرار گرفت. داده های مورد نیاز برای طراحی آزمایش و تحلیل واریانس از طریق شبکه عصبی مصنوعی، پیش بینی شدند. به این منظور ابتدا با استفاده از داده های تجربی سایر محققین شبکه عصبی مصنوعی با دو لایه پنهان توسط الگوریتم پس انتشار خطا تعلیم داده شد. هدف اصلی این مطالعه مقایسه قابلیت پیش بینی دو شبکه پیش خور و پس خور و همچنین بررسی چگونگی تاثیر ویژگی های ریزساختاری بر خواص مکانیکی آلیاژ Ti-۶Al-۴V است. نتایج نشان داد که شبکه عصبی پس خور نسبت به شبکه پیش خور به ازای پارامترهای ورودی توانایی پیش بینی مناسب و دقیق تری از مقادیر استحکام تسلیم و ازدیاد طول آلیاژ Ti-۶Al-۴V دارد. همچنین از تحلیل واریانس و تکنیک رویه پاسخ مشخص شد، عناصر مرتبه اول و دوم C، B۲، AB۲ و A۲C به علاوه عناصر A، C، B۲، BC و A۲B به ترتیب از موثرترین فاکتورهای تاثیرگذار بر تعریف رفتار استحکام تسلیم و ازدیاد طول آلیاژ Ti-۶Al-۴V هستند.

کلیدواژه ها:

Ti-۶Al-۴V Alloys ، Artificial Neural Network ، Error Propagation Algorithm ، Central Composite Design ، Response Surface Method ، آلیاژ Ti-۶Al-۴V ، شبکه عصبی مصنوعی ، الگوریتم پس انتشار خطا ، طرح مرکب مرکزی ، تکنیک رویه پاسخ