سال انتشار: ۱۳۸۶

محل انتشار: اولین همایش مشترک انجمن مهندسین متالورژی و انجمن ریخته گری ایران

تعداد صفحات: ۱۱

نویسنده(ها):

مهدی ارجمندی بهزاد – دانشکده مهندسی مکانیک-دانشکده فنی- دانشگاه صنعتی خواجه نصیرالدین طو
سیدحسین ساداتی – دانشکده مهندسی مکانیک-دانشکده فنی- دانشگاه صنعتی خواجه نصیرالدین طو
حمید خرسند – امور مهندسی و تحقیقات مواد شرکت ساپکو
حسن عبدوس – دانشکده مهندسی مکانیک-دانشکده فنی- دانشگاه صنعتی خواجه نصیرالدین طو

چکیده:

امروزه آلیاژهای تیتانیوم به علت دارا بودن مجموعه ای از خواص منحصر به فرد نظیر نظیر دانسیته پایین ، نسبت استحکام به وزن بالا ، مقاومت به خوردگی و مقاومت به سایش بالا در صنایع مختلفی مانندهوافضا، کاغذسازی، خودروسازی و دیگر صنایع کاربرد داشته و بسیار مورد توجه است. عمدتا در این نوع آلیاژها فاز زمینهαبا ساختار hcpو فازβبا 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 میشود . در این تحقیق از روش شبکه های عصبی مصنوعی Neural Network (FFNN Feed Forward با قانون آموزش Back Propagation (BP که از شاخه های جدید هوشمصنوعیArtificial Intelligence است برای تخمین جامع مقدار فازβ استفاده شده است در این شبکه ترکیب شیمیائی آلیاژ که شامل عناصر مختلف آلیاژی نظیر Al,V,Fe,O و دمای عملیات حرارتی به عنوان ورودی ودرصد حجمی فازβ به عنوان خروجی مورد بررسی و مطالعه قرار گرفته است. مقایسه بین مقادیر پیشبینی شده توسط شبکه طراحی شده در این تحقیق و مقادیر تجربی دلالت بر کارا بودن این مدل دراین نوع آلیاژها دارد که در این پژوهش به تفصیل ارائه شده است