پیش بینی تغییر شکل داغ آلیاژ الومینیوم 1070 با استفاده از الگوریتم شبکه عصبی

رفتار تغییر شکل داغ مواد بدلیل وابستگی آن به تغییرات نرخ کرنش، کرنش و دما دارای پیچیدگیهای زیادی است و لذا پیش بینی رفتار ماده در این شرایط مشکل میباشد. هدف این برسی پیش بینی رفتار تغییر شکل گرم آلیاژ آلومینیوم خالص 1070 با استفاده از الگوریتم شبکه عصبی میباشد. برای این منظور از آزمایشهای داغ در محدوده دمایی بین 350 تا 500 درجه سلیسیوس و در نرخ کرنشهای بین 0/005 تا 0/5 بر ثانیه استفاده شد. با استفاده از نتایج تجربی، یک مدل شبکه عصبی پس انتشار پیش-سو جهت پیش بینی رفتار تغییر شکل داغ این آلیاژ توسعه داده شده است. همچنین برای ارزیابی از عملکرد مدل مورد مطالعه از معیار ضریب همبستگی، میانگین خطای نسبی مطلق و خطای نسبی استفاده شد که مقدار آنها به ترتیب برابر 0/9999، % 0/2812 و % -0/263 به دست آمد. که نشان دهنده توانایی بالای مدل شبکه عصبی مصنوعی در پیش بینی تنش سیلان می باشد.