بررسی ویژگی های الگوریتم ژنتیک در شناسایی نرخ کرنش فولاد API-X70

پژوهش بر روی معادله نرخ کرنش و بدست آوردن معادله ریاضی دقیق از دیر باز مورد توجه محققین قرارگرفته است. این معادله رابطه بین دما، نرخ کرنش و نرخ تنش را بیان می نماید. بدست آوردن معادله دقیق باعث بدست آوردن شبکه بهینه آلیاژ فولاد می گردد. با توجه به دامنه وسیع کاربرد فولاد در صنایع و ساختمان سازی، بهینه سازی فولاد (افزایش چقرمگی و استحکام) از اهمیت ویژه ایی برخوردار است. مسئله شناسایی سیستم را می توان به صورت یک روش بهینه سازی در نظر گرفت به طوری که هدفش یافتن مدل های ریاضی است به طوری که این مدل ها توصیف بهتر و نزدیک تری به رفتار واقعی ماشین مورد نظر داشته باشد. مشکل موجود، فقدان مقادیر ثابت برای ثابت ماده معادله نرخ کرنش می باشد. با توجه به اینکه الگوریتم ژنتیک به عنوان یک تکنیک در شناسایی سیستم برای یافتن فرمول بهینه جهت پیش بینی یا تطبیق الگو مطرح می شود؛ هدف مقاله خود را استفاده از الگوریتم ژنتیک به گونه ای که بتوان نحوه دانه بندی را در الیاژهای خاصی از فولاد به نام فولاد API-X70 پیش بینی و بهینه سازد، قرار دادیم. نتایج حاصل از اجرای این الگوریتم طبقه بندی شده و پارامتر های مختلف الگوریتم ژنتیک از نظر اثری که بر پاسخ نهایی معادله نرخ کرنش مدل شده توسط الگوریتم، دارند مورد بررسی قرار گرفته اند و با توجه به نتایج بدست آمده از 4860000 آزمایش ؛ با کمک هدفمند کردن الگوریتم ژنتیک و استفاده مناسب از پارامتر های الگوریتم ژنتیک توانستیم با میانگین دقت 92.993 درصد مقادیر ثوابت معادله نرخ کرنش فولاد API-X70 را بدست آوریم که این خود سبب کسب یک مدل مناسب برای دانه بندی ذرات فولاد API-X70 می گردد

کلیدواژه ها:

شناسایی سیستم ، الگوریتم ژنتیک ، نرخ کرنش ، بهینه سازی دانه بندی ذرات فولاد API-X70