شبکه های عصبی مصنوعی و کاربرد آن در جوشکاری

مدلهای ریاضی بسیاری برای کنترل کیفیت، راندمان، زیر ساختار، خواص مکانیکی و عیوب جوش توسعه یافته اند، ولی بدلیل رابطه غیر خطی و پیچیده موجود بین پارامترهای جوش و وابستگی آنها به نتایج تجربی خاص، در پیش بینی نتایج عملیات واقعی جوشکاری و انتخاب بهینه شرایط جوشکاری با مشکل مواجه بوده اند. در این مقاله شبکه های هوشمند عصبی بعنوان یک ابزار سودمند در مدلسازی روابط بین ورودی و خروجی فرایندهای جوشکاری بعنوان یک سیستم پیچیده مورد مطالعه قرار گرفته و به کرابردهایی از قبیل تخمین چقرمگی، استحکام، نرخ سرد شدن، ترک خوردگی گرم، پیشگویی ابعاد پاشنه جوش، کنترل نفوذ جوش در جوشکاری با الکترود تنگستنی (GTAW)، انتخاب پهنای بهینه درز جوش بر حسب پارامترهایی چون تعداد پاس، سرعت، جریان و ولتاژ جوشکاری در عملیات جوشکاری قوسی رباتیک (GMA) مدلسازی اندازه متوسط دانه در جوشکاری آلیاژ های تیتانیوم و رابطه بین پارامترهای چون سرعت جوشکاری و سرعت دورانی ابزار با خواص مکانیکی ای همچون استحکام کششی، استحکام تسلیم، میزان تغییر طول، سختی فلز جوش و سختی HAZ در جوشکاری اصطکاکی دورانی (FSW) پرداخته شده است.