پیش بینی اثر بور بر سختی سوپر آلیاژ Ti-6AI-4V در دماهای مختلف با استفاده از شبکه های عصبی مصنوعی
- سال انتشار: 1387
- محل انتشار: همایش ملی مواد نو
- کد COI اختصاصی: NEWMATERIALS01_010
- زبان مقاله: فارسی
- تعداد مشاهده: 1334
نویسندگان
دانشگاه صنعتی شریف، دانشکده مهندسی و علم مواد، دانشجوی کارشناسی و عل
دانشجوی کارشناسی مهندسی و علم مواد
دانشیار دانشکده مهندسی و علم مواد
چکیده
در این پژوهش جهت پیش بینی اثر بور بر سختی آلیاژ Ti-6AI-4V از روش شبکه عصبی مصنوعی استفاده شده است. به این منظور داده های آزمایش های صورت گرفته روی نمونه های مختلف Ti-6AI-4V حاوی حداکثر تا 1/5 درصد وزن بور در گستره دمایی 0 تا 900 درجه سانتیگراد، به شبکه هایی با یک لایه میانی و تعداد نرون های مختلف داده شد. برای بررسی نحوه رفتار شبکه در حین آموزش، شاخص اجرایی میانگین مجذور خطا (MSE) انتخاب گردید و از معیار R2 حاصل از داده های تست، به عنوان معیار انتخاب بهترین شبکه آموزش یافته استفاده شد. نتایج نشان داد که شبکه عصبی مصنوعی با 8 نرون در لایه میانی در میان سایر شبکه ها با 0/998=R2 بهترین عملکرد را داشته و مقادیر پیش بینی شده توسط آن تطابق زیادی با نتایج عملی دارد.کلیدواژه ها
شبکه عصبی مصنوعی، Ti-6AI-4V، بور، سختیمقالات مرتبط جدید
- Young’s modulus and Poisson’s ratio of enhanced re_entrant
- Vibrations Analysis of star-shaped auxetic plate using the Differential Quadrature Method
- Uterine and ovarian tissue engineering
- Type -I hot corrosion behavior of Cr -modified slurry alumini de coating superalloy Rene ۸۰
- Synthesis and characterization of temperature-sensitive smart hydrogel of polyethylene glycol
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.