مهدی ارجمندی بهزاد - دانشکده
سید حسین ساداتی - دانشکده مهندسی مکانیک، دانشکده فنی، دانشگاه صنعتی خواجه نصیرالدین
حمید خرسند - امور مهندسی و تحقیقات مواد شرکت ساپکو و استادیار گروه مواد.
حسین عبدوس - دانشکده

امروزه آلیاژهای تیتانیوم به علت دارا بودن مجموعه ای از خواص منحصر به فرد نظیر دانسیته پایین، نسبت استحکام به وزن بالا، مقاومت به خوردگی و مقاومت به سایش بالا در صنایع مختلفی مانند هوافضا، کاغذسازی، خودرو سازی و دیگر صنایع کاربرد داشته و بسیار مورد توجه است. عمدتا در این نوع آلیاژها فاز زمینه α با ساختار hcp و فاز β با ساختار bcc تشکیل دهنده ریز ساختار آلیاژ مذکور میباشد که بسته به درصد نسبی این دو فاز نوع کاربری آنها نیز در صنایع مختلف دستخوش تغییرات اساسی می شود. در این تحقیق از روش شبکه های عصبی مصنوعی Feed (Forward Neural Network (FFNN با قانون آموزش (Back Propagation (BP که از شاخه های جدید هوش مصنوعی Artificial Intelligence است برای تخمین جامع مقدار فاز β استفاده شده است. در این شبکه ترکیب شیمیایی آلیاژ که شامل عناصر مختلف آلیاژی نظیر Al,V,Fe,O و دمای عملیات حرارتی به عنوان ورودی و درصد حجمی فاز β به عنوان خروجی مورد بررسی و مطالعه قرار گرفته است. مقایسه بین مقادیر پیش بینی شده توسط شبکه طراحی شده در این تحقیق و مقادیر تجربی دلالت بر کارا بودن این مدل در این نوع آلیاژها دارد که در این پژوهش به تفصیل ارائه شده است.

هوش مصنوعی AI، شبکه عصبی FFNN، الگوریتم BP، آلیاژهای α+β تیتانیوم و فاز بتا