CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

استفاده از الگوریتم های ژنتیکی در بهینه سازی استحکام فولاد زنگ نزن 304

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۹۵۱ | نظرات: ۰
سرفصل ارائه مقاله: مدل سازی و شبیه سازی
سال انتشار: ۱۳۸۳
کد COI مقاله: CIMS08_023
زبان مقاله: فارسی
حجم فایل: ۲۷۶.۳۴ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله استفاده از الگوریتم های ژنتیکی در بهینه سازی استحکام فولاد زنگ نزن 304

  سیدهاشم موسوی انیجدان - دانشجوی کارشناسی ارشد دانشکده مهندسی وعلم مواد، دانشگاه صنعتی شریف،
  عباس بهرامی - دانشیار دانشکده مهندسی مواد، دانشگاه صنعتی امیرکبیر
  جمشید آقازاده - دانشیار دانشکده مهندسی مواد، دانشگاه صنعتی امیرکبیر
  علی شفیعی - استادیار دانشکده مهندسی مواد، دانشگاه صنعتی اصفهان،

چکیده مقاله:

در این پژوهش بررسی هایی در مورد تأثیر دما، نرخ کرنش و میزان کرنش اعمالی برای به دسـت آوردن بـالاترین تنش سیلان فولاد زنگ نزن 304 انجام گرفته است . برای این منظور از ترکیب شبکه عـصبی و الگـوریتم ژنت یـک برای بهینه کردن استحکام این نوع فولاد استفاده شد . برای این کار ابتدا بهترین شبکه عصبی برای این نـوع فـولاد به دست آمده و با کمک شبکه مذکور تقریب تابع با دقت مطلوب برای بیان ارتباط میان خروجی با ورودی ها بـه دست آمد . سپس با مدل الگوریتم ژنتیکی از ترکیب پار امترهای ورودی، برای به دست آوردن مجموعـه ای کـه به ازای آن بیشترین استحکام به دست می آید، استفاده گردید . نتایج حاکی از آن است که با ترکیب شبکه عصبی و الگوریتم ژنتیک می توان بهترین دسته از شرایط کاری را برای به دست آوردن بیـشترین سـتحکام در ایـن نـوع فولاد به دست آورد .

کلیدواژه‌ها:

فولاد زنگ نزن 304 ، تنش سیلان، الگوریتم ژنتیک

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://www.civilica.com/Paper-CIMS08-CIMS08_023.html
کد COI مقاله: CIMS08_023

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:
موسوی انیجدان, سیدهاشم؛ عباس بهرامی؛ جمشید آقازاده و علی شفیعی، ۱۳۸۳، استفاده از الگوریتم های ژنتیکی در بهینه سازی استحکام فولاد زنگ نزن 304، هشتمین کنگره سالانه انجمن مهندسین متالورژی ایران، تهران، دانشگاه صنعتی اصفهان، دانشکده مهندسی موارد، https://www.civilica.com/Paper-CIMS08-CIMS08_023.html

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: (موسوی انیجدان, سیدهاشم؛ عباس بهرامی؛ جمشید آقازاده و علی شفیعی، ۱۳۸۳)
برای بار دوم به بعد: (موسوی انیجدان؛ بهرامی؛ آقازاده و شفیعی، ۱۳۸۳)
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 مقاله لینک شده اند :

  • M. G.Cockroft, Lugtility, ASM, Cleveland, OH, (1968): 199. ...
  • S.P.Timothy, ،{Structure of adiabatic shear bands in metals: A critical ...
  • Volker Wiess, ،، Inhomo genity of Plastic Deformation?, ASM , ...
  • F.N.Rhines, ،، Inhomo genity of Plastic Deformation?, ASM, Metal Park ...
  • Al-2 Sn-4Zr-2Mo -0 _ 1Si?, Metal Trans.A, 12A (1981): 1705-1717. ...
  • S.L.Semiatin, J.J.Jonas, *Formability and workability of metals: plastic instability and ...
  • R.G. Song, Q .Z.Zhang et al, ،The application of artificial ...
  • R.G. Song, Q .Z.Zhang, ،2Heat treatment optimization for 7175 aluminum ...
  • G. Song, Q .Z.Zhang, ،Heat treatment technique optimization for 7175 ...
  • A.J.Kulkarni, ،، Micro structural optimization of alloys using a genetic ...
  • 1- Z.Zhaochum et al, 44Calculation of thermo dynamic properties from ...
  • Y.Ikeda, 44Correlation between structure, magnetic properties and MI effect during ...
  • S.Venugopal et al, *Optimization of cold and Varm workability in ...
  • سید هاشم موسوی انیجدان، عباس بهرامی و همکاران، پیش بینی ... (مقاله کنفرانسی)
  • M.A.Yescas et al, ، Estimation of amount of retained austenite ...
  • L.Fu, Neural Network in Computer Intelligence _ Mc Graw-Hi _ ...
  • E.Cantu-Paz and C.Kamath, 4Evolving neural networks to identify bent-double galaxies ...
  • M.Brezocnik et al, *Modeling of forming efficiency using genetic programming ...
  • S.A.Kalogirou et al, ،Artificial intelligence for the modeling and control ...
  • S.S.Heeker et al, ،، Ro om-te mperature plastic flow and ...
  • properties and micro structure evolution of Impact"؛ 21-M.G.Sout and F ...
  • T.Angel, «formation of martensite inaustenitic stainless steels? , J.Iron Steel ...
  • L.E.Murr et al, *Comparison of residual micro structurefor 304 stainless ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۸۲۹۳
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

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

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    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.