317

An artificial neural networks for correlation between process parameters an​d mechanical properties of cast metal matrix nanocomposites

كارشناسي ارشد

مكانيك

تهران شمال

95

95/5/13

19

111ص

رشيدي ميبدي

110-106ص

Metal Matrix composits , Nanocomposit , Artificial Neural Network

نانوكامپوزيت¬هاي زمينه فلزي موادي با خواص مختلف و متنوع و تاحدي قابل كنترل هستند و به همين دليل امروزه تلاش مي¬گردد تا كاربرد آن¬ها در صنايع مختلف عمليشود. در اين راستا براي ساخت، توسعه و بهبود خواص اين مواد تحقيقات زيادي صورت گرفته كه منجر به ايجاد روش¬هاي جديدي براي ساخت اين مواد شده است. يكي از اين روش¬ها ريخته¬گري گردابي اصلاح¬شده است. در اين تحقيق با مبنا قراردادن روش ريخته¬گري گردابي اصلاح¬شده، نانوكامپوزيت¬هاي پايه آلومينيم ( "A357" ) تقويت شده با نانوذرات آلومينا، اكسيد منيزيم و نانورس با كسر حجمي¬هاي 5/0 ، 1 و 5/1درصد ساخته شده و خواص سختي، استحكام كششي، استحكام تسليم، تغيير طول در هنگام تسليم، تغيير طول در هنگام شكست، مدول يانگ، چقرمگي شكست و كارسختي مورد بررسي قرار گرفته است. به منظور شبيه¬سازي ارتباط بين خواص مكانيكي و پارامترهاي ساخت، از شبكه عصبي مصنوعي و نرم¬افزار MATLABاستفاده شده است. به همين منظور كدي نوشته شد كه قابليت بهينه¬سازي شبكه عصبي مصنوعي از نظر نوع شبكه ( سه نوع مختلف)، توابع انتقال (3 تابع مختلف)و همچنين توابع آموزش (8 تابع متفاوت) را داشته باشد. لازم به ذكر است ساختار از دو لايه مخفي تشكيل شده است. از ميان نانوكامپوزيت¬هاي ساخته شده تحت شرايط مختلف بهترين خواص مكانيكي متعلق به نانوكامپوزيت تقويت¬شده با ذراتنانورس به ميزان 1 درصد وزنيمي¬باشد. درمقايسه با آلياژ پايه، تنش تسليم اين نانوكامپوزيت 42 درصد بهبود داشته است. همچنين از بين 216 شبكه عصبي مصنوعي مختلف، بهترين شبكه عصبي مصنوعي براي مدل كردن اين پروژه، از طريق انتخاب شبكه NEWFF براي نوع شبكه، تابع آموزش trainlm و تابع انتقال logsig براي هر دولايه مخفي بدست آمده است كه حداقل خطاي آن 5718/0 و رگرسيون آن 91922/0 است

34626