به کارگیری الگوریتم های یادگیری ماشین در بهینه سازی بازیافت منیزیم و ارتقای خواص آلیاژهای بازیافتی

در سالهای اخیر بازیافت فلز منیزیم به عنوان یکی از فلزات سبک و پرکاربرد، صنعتی با چالشهای فنی و اقتصادی متعددی مواجه بوده است. با توجه به افزایش تقاضا برای آلیاژهای سبک در صنایع خودروسازی، هوافضا و الکترونیک، بهینه سازی فرآیندهای بازیافت منیزیم از اهمیت بالایی برخوردار است. در این پژوهش، از الگوریتمهای یادگیری ماشین شامل شبکه های عصبی مصنوعی و ماشین بردار پشتیبان SVM به منظور بهبود فرآیند بازیافت منیزیم استفاده شده است. هدف اصلی کاهش هزینه های تولید و ارتقای خواص مکانیکی آلیاژهای بازیافتی از طریق پیش بینی پارامترهای بهینه ذوب و انجماد است. داده های مورد استفاده شامل ترکیب شیمیایی ضایعات منیزیم، پارامترهای عملیات حرارتی، دما، زمان، نوع محیط (گازی) و نتایج آزمونهای مکانیکی (نظیر استحکام کششی و درصد ازدیاد طول) هستند که از منابع صنعتی و آزمایشگاهی گردآوری شده اند. مدل ANN برای پیش بینی خواص نهایی آلیاژ و مدل SVM برای طبقه بندی کیفیت ضایعات ورودی مورد استفاده قرار گرفت.

کلیدواژه ها:

بازیافت منیزیم ، یادگیری ماشین ، شبکه عصبی مصنوعی ، ANN ، ماشین بردار پشتیبان SVM ، بهینه سازی خواص مکانیکی