پیش بینی نرخ خوردگی پوشش های نانوکامپوزیتی الکترولس نیکل – فسفر با استفاده از الگوریتم های یادگیری ماشین

هدف از این پژوهش پیش بینی نرخ خوردگی پوشش های ساده و نانوکامپوزیتی الکترولس نیکل فسفر با استفاده از متغییرهای پوشش دهی و نتایج طیف سنجی امپدانس الکتروشیمیایی به عنوان یک آزمون غیرمخرب می باشد. بدین منظور ۳۲ نمونه مختلف استفاده شده و ۵ الگوریتم یادگیری ماشین به همراه ۳ حالت مختلف اسکیل و نرمال سازی توزیع نمونه ها مورد بررسی قرار گرفت. نتایج نشان داد که با افزایش مقاومت در برابر انتقال بار (Rct) مقدار شدت جریان خوردگی کاهش می یابد و نیز افزایش دمای عملیات حرارتی و سختی نیز منجر به بهبود مقاومت به خوردگی خواهد شد. الگوریتم های جنگل تصادفی و گرادیان تقویتی که هر دو جزو الگوریتم های بر پایه درخت شناخته می شوند بهترین عملکرد را از خود نشان دادند و مقدار ضریب همبستگی در هر دو مورد بیشتر از ۹/۰ بود. در ادامه و با استفاده از جستجوی شبکه ای و تنظیم فراپارامترها این مقدار افزایش یافت و برای الگوریتم گرادیان تقویتی مقدار ضریب همبستگی ۹۴/۰ حاصل شد.

کلیدواژه ها:

الکترولس نیکل ، پوشش ، یادگیری ماشین ، هوش مصنوعی ، خوردگی ، گرادیان تقویتی ، جنگل تصادفی