پیش بینی خواص مکانیکی فولاد دو فازی تولید شده به روش نورد کنترلی با تعیین پارامترهای تاثیر گذار فرایند و استفاده از شبکه عصبی مصنوعی

هدف از این مقاله ، استفاده از شبکه های عصبی مصنوعی برای پیش بینی خواص مکانیکی فولاد دو فازی تولید شده به روش نورد کنترلی باشد . برای آموزش شبکه از دو سری نمونه استفاده گردید . سری اول دارای % 0.02 نیوبیم (Nb) به تعداد تست 22 عدد و سری دوم دارای % 0.02 تیتانیوم (Ti) به تعداد تست 15 عدد می باشد . ورودی های شبکه که همان متغیر های فرآیند می باشد عبارتند از : 1.دمای بازپخت (Tr) 2.دمای پاس نهایی (Tf) 3.کرنش پاس نهایی (Ef) 4.فاصله زمانی بین پاس نهایی و کوئنچ (t) 5.دمای کوئنچ (Tq) 6.نرخ سرد شدن (CR) هرکدام از پارامترهای درصد مارتنزیت ، اندازه دانه فریت ، سختی مارتنزیت ، تنش تسلیم ، تنش شکست نهایی و داکتلیته به طور مجزا به عنوان خروجی های شبکه مخصوص خود می باشند . برای افزایش دقت شبکه ها، با توجه به تعداد بالای ورودی ها ، ابتدا از بین 6 پارامتر ورودی برای هر خروجی ، 4 پارامتری که تاثیر بیشتری داشتند تعیین گردیده و سپس هر شبکه بر مبنای آنها آموزش داده شد. نتایج بررسی ها نشان دهنده تطابق خوب بین مقادیر پیش بینی شده و مقادیر تجربی است و شبکه های عصبی که خوب آموزش داده شوند ، پتانسیل بالایی در زمینه ی مدل کردن رفتار مکانیکی این نوع فولاد ها خواهند داشت .

کلیدواژه ها:

خواص مکانیکی ، فولاد دو فازی ، نورد کنترلی ، شبکه عصبی مصنوعی