پیش بینی قابلیت نشت بندی اتصالات با رزوه اختصاصی مبتنی بر یادگیری ماشین

استفاده از اتصالات رزوه ای اختصاصی در صنایع مختلف از جمله صنعت نفت و گاز جهت استخراج نفت و گاز از اعماق زمین روز به روز به دلیل دستیابی به اعماق بیشتر زمین در حال گسترش است. این نوع از اتصالات به دلیل طراحی و ساختار هندسی منحصر به فرد، از مقاومت خوبی در برابر فشار و دمای بالا و هم چنین بارهای ترکیبی در طول فرآیند عملکرد خود برخوردار است. یکی از مهم ترین مولفه های عملکردی این اتصالات قابلیت نشت بندی آن است. استانداردهای مختلفی برای بررسی و پیش بینی عملکرد این اتصالات تدوین شده است که مهم ترین آن استاندارد ایزو ۱۳۶۷۹ است که با انجام آزمایشات با سطوح سخت گیرانه مختلف به بررسی این مورد می پردازد. نکته مهمی که انجام این آزمایشات دارد، هزینه و زمان زیاد پیاده سازی آن ها است. هدف این پژوهش توسعه مدل هوشمند با استفاده از الگوریتم های یادگیری ماشین است که فرآیند پیش بینی نشت بندی اتصالات اختصاصی را با دریافت کردن پارامترهای موثر بر این عملکرد انجام دهد. این شبکه با استفاده از الگوریتم پرسپترون چندلایه توسعه داده خواهد شد. برای آموزش و ارزیابی دقت عملکرد این الگوریتم نیاز به ایجاد مجموعه دادگان مورد نیاز است که با استفاده از روش های عددی تحلیل های اجزای محدود به دست خواهد آمد و سپس با نتایج موجود و معتبر از پژوهش های پیشین صحه سنجی خواهد شد.

کلیدواژه ها:

اتصالات رزوه ای اختصاصی ، تحلیل اجزای محدود ، شبکه عصبی مصنوعی ، استاندارد ایزو ۱۳۶۷۹ ، نشت بند فلز-به-فلز