پیش بینی تاثیر عناصر دیرگداز اضافه شده برخواص مکانیکی آلیاژ NiAl با استفاده از شبکه عصبی

الیاژهای بین فلزی NiAl به دلیل ویژگی های خاص آنها اغلب در محیط های خشن مورد استفاده قرار می گیرند. آلیاژ NiAl با دو مشکل اساسی مواجه است (1) شکل پذیری ضعیف و سختی در دمای محیط و (2) استحکام و مقامت در برابر خزش کم در دمای بالا. یکی از راه های بهبود این مشکلات اضافه کردن عناصر دیگداز می باشد که از جمله این عناصر مولیبدن (Mo)، نیوبیم (Nb)، تانتال (Ta) و زیرکونیوم (Zr) می باشند که بیشترین تأثیر را بر روی خواص مکانیکی آلیاژ NiAl دارا هستند. برای دستیابی به میزان تأثیر این عناصر در دماهای مختلف تلاش های بسیاری صورت گرفته است ولی به دلیل مشکل بودن کار در دمای بالا و هزینه بر بودن این آزمایشات پیش بینی خواص مکانیکی حاصل از افزودن این عناصر حائز اهمیت می باشد. در این تحقیق از شبکه های عصبی، برای پیش بینی خواص مکانیکی حاصل از افزودن عناصر دیرگداز استفاده شده است. بعد از بررسی توپولوژی های مختلف در نهایت از شبکه ای با معماری پیشخور (Forward Feed) و الگوی آموزش پس انتشار (Back Propagation) استفاده شد. در این مدلسازی درصد عناصر دیرگداز اضافه شده و دما به عنوان متغیر و استحکام تسلیم، استحکام شکست و تغییر طول به عنوان خروجی درنظر گرفته شده است.

کلیدواژه ها:

نیترید آلومینیوم NiAl ، استحکام تسلیم ، شبکه عصبی