کاربرد شبکه های عصبی جهت بررسی اثر ترکیب شیمیایی بر سختی و انرژی ضربه فولاد میکروآلیاژی گرید api x65

در این پژوهش از شبکه عصبی پیشرو با الگوریتم پس انتشار خطا برای پیش بینی اثر ترکیب شیمیایی بر سختی و انرژی ضربه فولاد میکروآلیاژی گرید api x65 استفاده شده است. فولاد مورد مطالعه به طور گسترده در خطوط انتقال گاز ایران به شکل لولههای قطور فولادی استفاده می شود. داده های تجربی با جدا کردن نمونه از 100 لوله ساخته شده در مقیاس صنعتی (با قطر خارجیmm 1219، ضخامت دیواره mm 3/14 با ذوب و فرایند ساخت یکسان) و انجام آنالیز شیمیایی، تست سختی ویکرز و آزمون ضربه شارپی روی این نمونه ها مطابق الزامات تعیین شده در استاندارد5l api فراهم شد. درصد وزنی عناصر c، si، mn، p، s، ni، cr، mo، al، cu، v، ti، nb و ca در ترکیب شیمیایی فولاد مورد مطالعه به عنوان متغیرهای ورودی و عدد سختی ویکرز و انرژی ضربه شارپی به عنوان متغیرهای خروجی در نظر گرفته شدند. از نمودار پراکندگی و معیارهای آماری ضریب همبستگی و مجذور میانگین مربعات خطای نسبی (msre) برای ارزیابی شبکه استفاده شد. سپس با توجه به عملکرد دقیق شبکه عصبی توسعه داده شده از آن برای پیش بینی اثر کرم و وانادیوم بر سختی و انرژی ضربه شارپی نمونه فولادی به صورت کمّی استفاده گردید.