ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

تعیین درصد حجمی فازهای اصلی تشکیل دهنده آلیاژهای تیتانیوم β+α توسط هوش مصنوعی AI) -Artificial Intelligence)

سال انتشار: 1386
کد COI مقاله: CIMS11_022
زبان مقاله: فارسیمشاهد این مقاله: 1,279
فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله تعیین درصد حجمی فازهای اصلی تشکیل دهنده آلیاژهای تیتانیوم β+α توسط هوش مصنوعی AI) -Artificial Intelligence)

مهدی ارجمندی بهزاد - دانشکده
سید حسین ساداتی - دانشکده مهندسی مکانیک، دانشکده فنی، دانشگاه صنعتی خواجه نصیرالدین
حمید خرسند - امور مهندسی و تحقیقات مواد شرکت ساپکو و استادیار گروه مواد.
حسین عبدوس - دانشکده

چکیده مقاله:

امروزه آلیاژهای تیتانیوم به علت دارا بودن مجموعه ای از خواص منحصر به فرد نظیر دانسیته پایین، نسبت استحکام به وزن بالا، مقاومت به خوردگی و مقاومت به سایش بالا در صنایع مختلفی مانند هوافضا، کاغذسازی، خودرو سازی و دیگر صنایع کاربرد داشته و بسیار مورد توجه است. عمدتا در این نوع آلیاژها فاز زمینه α با ساختار hcp و فاز β با ساختار bcc تشکیل دهنده ریز ساختار آلیاژ مذکور میباشد که بسته به درصد نسبی این دو فاز نوع کاربری آنها نیز در صنایع مختلف دستخوش تغییرات اساسی می شود. در این تحقیق از روش شبکه های عصبی مصنوعی Feed (Forward Neural Network (FFNN با قانون آموزش (Back Propagation (BP که از شاخه های جدید هوش مصنوعی Artificial Intelligence است برای تخمین جامع مقدار فاز β استفاده شده است. در این شبکه ترکیب شیمیایی آلیاژ که شامل عناصر مختلف آلیاژی نظیر Al,V,Fe,O و دمای عملیات حرارتی به عنوان ورودی و درصد حجمی فاز β به عنوان خروجی مورد بررسی و مطالعه قرار گرفته است. مقایسه بین مقادیر پیش بینی شده توسط شبکه طراحی شده در این تحقیق و مقادیر تجربی دلالت بر کارا بودن این مدل در این نوع آلیاژها دارد که در این پژوهش به تفصیل ارائه شده است.

کلیدواژه ها:

هوش مصنوعی AI، شبکه عصبی FFNN، الگوریتم BP، آلیاژهای α+β تیتانیوم و فاز بتا

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/51460/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
ارجمندی بهزاد، مهدی و ساداتی، سید حسین و خرسند، حمید و عبدوس، حسین،1386،تعیین درصد حجمی فازهای اصلی تشکیل دهنده آلیاژهای تیتانیوم β+α توسط هوش مصنوعی AI) -Artificial Intelligence)،یازدهمین کنگره سالانه انجمن مهندسین متالورژی ایران،شیراز،،،https://civilica.com/doc/51460

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1386، ارجمندی بهزاد، مهدی؛ سید حسین ساداتی و حمید خرسند و حسین عبدوس)
برای بار دوم به بعد: (1386، ارجمندی بهزاد؛ ساداتی و خرسند و عبدوس)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود ممقالهقاله لینک شده اند :

  • C.leyens and m.peters .Titanium and titanium alloys , fundamental and ...
  • ID.B.lee met mater int .11(2005)141 ...
  • R.kohdar . s.pasha , prediction of the process parameters of ...
  • L.n. smith, R.m. German -Neural network approach for solution of ...
  • Mukhajee _ neuralnetwork of analysis of strain induced trans formation ...
  • Liujie xu, jiandog .Artificial neural network prediction of retained austenine ...
  • Hykin, neural network c O mprehensive foundation 1995 [1 0]E.j ...
  • 1]J.m.zurad , introduction to artificil neural network , DWS , ...
  • R. Castro, L. Seraphin, Mem. Sci. Rev. Metall. 63 (1966) ...
  • Y.T. Lee, G. Welsch, Mater. Sci. Eng. A 128 (1990) ...
  • M. Jain, M.C. Chaturvedi, N.L. Richards, N.C. Goel, Mater. Sci. ...
  • M.L. Meier, D.R. Lesuer, A.K. Mukherjee, Mater. Sci. Eng. A ...
  • S.L. Semiatin, F. Montheillet, G. Shen, J.J. Jonas, Metall. Mater. ...
  • D etermination of the beta- approach curve and beta-transus temperature ...
  • N.S. Reddya, C.S. Lee a, *, J.H. Kimb, S.L. Semiatin ...
  • R. Tomovic, M _ Vukobratovic _ General Sensitivity Theory, American ...
  • S.L.Semiatin , T.R.bieler , acta mater 49(2001) ...
  • j .h.kim, s.l.semiatin, c.s lee, acta mater 51(2003) ...
  • ID.B.lee met mater int .11(2005)141 ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی