پیش بینی هوشمند تغییرات بافت بلوری و خواص مغناطیسی در فولاد سیلیکونی ۱.۲ درصدی حاوی آنتیموان با استفاده از الگوریتمهای یادگیری ماشین

این پژوهش با بهره گیری از الگوریتم های یادگیری ماشین به عنوان ابزاری قدرتمند برای مدل سازی روابط پیچیده و غیرخطی میان فرآیند ریز ساختار و خواص مغناطیسی مدلی دقیق برای پیش بینی میدان پسماند در فولاد سیلیکونی wt% ۱.۲ حاوی آنتیموان توسعه داد. داده های تجربی شامل شدت مولفه های بافتی fiber و y-fiber، اندازه دانه و درصد آنتیموان (۰.۰۰۲-۰.۰۲۶ wt%) از نمونه های تحت مسیرهای نورد متنوع و آنیل نهایی گردآوری شد. نتایج نشان داد که مدل شبکه عصبی مصنوعی (ANN) با R =۰.۹۷، MAE =۲.۶ و RMSE =۴.۸ m، به طور چشمگیری برتر از SVR و RF عمل کرده و قادر است اثرات ترکیبی آنتیموان، رشد دانه و تحول بافت را با دقت بالا پیش بینی کند. تحلیل اهمیت ویژگی ها توسط مدل اندازه دانه (۳۹) و نسبت fibery-fiber (۳۵.۷) را به عنوان پارامترهای غالب شناسایی نمود. این رویکرد داده محور و هوشمند جایگزینی کارآمد برای مدل های فیزیکی سنتی ارائه می دهد و امکان بهینه سازی فرآیندهای تولید با حداقل آزمایش تجربی، کاهش هزینه ها و دستیابی به فولادهای الکتریکی با تلفات هسته ای پایین را فراهم می سازد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، میدان پسماند ، فولاد سیلیکونی ، بافت