استفاده از روشهای شبکه عصبی و الگوریتم ژنتیک برای کاهش تنش های پسماند ناشی از جوشکاری قوسی زیرپودری
محل انتشار: پانزدهمین کنفرانس سالانه مهندسی مکانیک
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,332
فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISME15_331
تاریخ نمایه سازی: 8 فروردین 1386
چکیده مقاله:
جوشکاری لوله ها معمولا به روش قوسی زیر پودری انجام می گیرد. از جمله مشخصات این نوع جوشکاری تنش های پسماند قابل ملاحظه ای است که پس از آن در قطعه باقی می ماند. با توجه به کاربرد وسیع این لوله ها در خطوط انتقال نفت و گاز، همراه شدن تنش های پسماند کششی ناشی از جوشکاری با خورندگی محیط منجر به شکل گیری نوعی ترک موسوم به ترک خوردگی تنشی می شود. در این تحقیق هدف آن است که با استفاده از بهینه سازی فرایند جوشکاری، تنشهای پسماند ناشی از آن کاهش یابد. این تنش ها به کمک روش محاسباتی بر مبنای تحلیل اجزا محدود تعیین می گردد. به منظور بهینه سازی ابتدا یک مدل شبکه عصبی از فرایند جوشکاری برای محاسبه تنش های پسماند تهیه شده است. برای بهبود کیفیت اموزش شبکه عصبی، تولید داده های مورد نیاز آن به روش تاگوچی در طرای آزمایش انجام گرفته است. سپس بهینه سازی فرایند با استفادهاز روش الگوریتم ژنتیک انجام گرفته است نتایج نشان می دهد تنشهای پسماند به کمتر از نصف کاهش یافته است.
کلیدواژه ها:
بهینه سازی ، جوشکاری قوسی زیر پودری ، تنش پسماند ، طراحی آزمایش ، روش تاگوچی ، شبکه عصبی ، الگوریتم ژنتیک
نویسندگان
محمدرضا نیرومند
دانشجوی دکتری مکانیک - دانشگاه صنعتی اصفهان
محمدرضا فروزان
استادیار دانشکده مکانیک - دانشگاه صنعتی اصفهان
سیدجعفر گلستانه
کارشناس ارشد صنایع - شرکت لوله و تجهیزات سدید
علیرضا طباطبایی
کارشناس برق - شرکت لوله و تجهیزات سدید
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 :