سعید زارع چاوشی - دانشجوی کارشناسی ارشد، گروه ساخت و تولید، دانشکده مهندسی و فناوری های
محمدرضا سلیمانی یزدی - استادیار، دانشکده فنی، دانشگاه امام حسین(ع)، تهران
مهدی تاجداری - دانشیار، مرکز مکانیک و فناوری های ساخت، دانشگاه صنعتی مالک اشتر، تهرا

در این تحقیق، شبکه عصبی و تحلیل رگرسیون برای پیش بینی مقدار انرژی جذب شده و تنش حد نهایی نمونه های کامپوزیتی آلومینیم- شیشه در فرآیند کشش ساده مورد استفاده قرار گرفته است. نمونه ها شامل سه لایه آلومینیم است که دو لایه کامپوزیت الیافی شیشه- اپوکسی در بین آنها قرار دارد .(Al/GE/Al/GE/Al) مقدار انرژی جذب شده و تنش حد نهایی به عنوان متغیرهای پاسخ (خروجی) و زوایای الیاف در دو صفحه کامپوزیتی میانی به عنوان پارامترهای ورودی در نظر گرفته شدند. مدل های رگرسیون درجه 2 و شبکه عصبی MLP پس انتشار با یک لایه پنهان برای مدلسازی استفاده شدند. مقادیر پیش بینی شده پاسخ ها بوسیله مدل های رگرسیون و شبکه عصبی با نتایج حاصل از آزمایش مقایسه گردیدند. نتایج نشان می دهد که مقدار انرژی جذب شده و تنش حد نهایی پیش بینی شده توسط هر دو مدل مطابقت خوبی با مقادیر تجربی دارند و مقادیر تنش حد نهایی پیش بینی شده توسط مدل رگرسیون دارای دقت کمتری هستند.

کامپوزیت لایه ای فلز- الیاف - خواص کششی - زاویه الیاف - مدل رگرسیون - شبکه عصبی مصنوعی