بررسی درصد تاثیر بر بر خواص مکانیکی قطعات متالورژی پودر به وسیله شبکه های عصبی مصنوعی

یکی از موثرترین روش ها جهت افزایش چگالی فولادهای متالورژی زینترینگ فعال شده (activated sintering)، خصوصا زینترینگ فاز مایع است. بر در مقادیر کم یکی از موثرترین راه های بهبود فرآیند زینتر است. همچنین افزایش میزان بر به افزایش سختی و استحکام نمونه های آهنی منتهی می شود. تکنولوژی متالورژی پودر دارای متغیرهایی نظیر ترکیب شیمیایی پودر، دمای زینتر، زمان زینتر و فشار پرس می باشد و این ورودی ها به صورت غیر خطی به یکدیگر وابسته می باشند. بنابراین برای بررسی تغییرات خواص مکانیکی این نوع از فولادها بایستی چند ورودی را ثابت نگه داریم و تغییرات خروجی را به ازای تغییر یک ورودی بررسی نماییم که این کار هزینه و زمان زیادی را می طلبد. طرح عملی این مقاله طراحی یک شبکه عصبی چند لایه (MLP) برای تخمین خواص مکانیکی فولادهای متالورژی پودر به ازای تغییرات مقدار بر، دمای زینتر، زمان زینتر و فشار پرس به صورت همزمان می باشد که باعث صرفه جویی در وقت و هزینه می گردد. از الگوریتم آموزشی پس انتشار خطا برای آموزش شبکه عصبی طراحی شده استفاده شده است. در مجموع چهار شبکه عصبی برای هر یک از خواص مکانیکی طراحی گردیده است. شبکه طراحی شده توانسته است مقادیر خروجی را با دقت مناسبی پیش بینی نماید.