نام پژوهشگر: فرهاد محسنی

بررسی خوردگی حفره ای فولاد زنگ نزن 430 در محلول کلرید سدیم 5/3 % با استفاده از روش نویز الکتروشیمیایی
thesis وزارت علوم، تحقیقات و فناوری - دانشگاه شهید باهنر کرمان - دانشکده فنی و مهندسی 1390
  فرهاد محسنی   عبدالحمید جعفری

یون کلر می تواند روی محل های ناقص سطوح فلزی از قبیل ناخالصی ها و عیوب جذب شود و باعث شکسته شدن موضعی فیلم رویین و در نتیجه ایجاد حفره شود . در این تحقیق برای مطالعه رفتار خوردگی فولاد زنگ نزن 430 در محلول کلرید سدیم 5/3 % از روش نویز الکتروشیمیایی (en) استفاده شد . شیب درونی موجود در داده ها که نشاندهنده رفتار غیر استیوکستیک (stochastic) است توسط روش خطی حذف شد . سپس داده ها در حوزه زمان تجزیه و تحلیل گردیدند و پارامتر های آماری از قبیل مقاومت نویز ، چولگی ، کشیدگی و شاخص موضعی محاسبه گردید . تجزیه و تحلیل داده ها در حوزه فرکانس با استفاده از دو روش تبدیل فوریه و تبدیل موجک هماهنگی خوبی را بین این نتایج و همینطور نتایج حاصل از تجزیه و تحلیل آماری نشان می دهد. نفوذ یون کلر که با افزایش زمان غوطه وری به داخل فیلم رویین صورت گرفته و به خوردگی موضعی می انجامد تا حد زمانی یک هفته از زمان غوطه وری افزایش و پس از آن از شدت خوردگی کاسته شده و تمایل به ایجاد حالت رویین افزایش می یابد .

طراحی ساختار مدل شبکه ی عصبی بر پایه معیارهای پیچیدگی
thesis وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی خواجه نصیرالدین طوسی - دانشکده برق و کامپیوتر 1392
  فرهاد محسنی   علیرضا فاتحی

از مشکلات اصلی بکار گیری شبکه عصبی تعیین تعداد نرون های بهینه در لایه ی پنهان آن است. هر چه سیستم ساده تر و رفتار آن به یک سیستم خطی نزدیکتر باشد، به طبع تعداد نرون های کمتری برای شناسایی آن لازم است. روش معمول برای تعیین تعداد نرون بهینه، بررسی نمودار mse داده های آزمایش و آموزش، برحسب تعداد نرون ها می باشد. در این پروژه از شاخص هایی برای تشخیص میزان پیچیدگی یک سیستم استفاده شده تا تعداد نرون بهینه در نقاط کاری مختلف تعیین گردد. با یافتن تعداد بهینه ی نرون ها می توان شناسایی مناسبی از سیستم داشت. شاخص های غیر خطی گری، آنتروپی و لیبشیتز که به ترتیب میزان غیر خطی بودن یک سیستم، میزان پیچیده بودن و تعداد دینامیک های موثر یک سیستم را بیان می کنند بکار گرفته شده است. در این تحقیق یک شبکه عصبی pnn که بر اساس شاخص های بکار گرفته شده تعداد بهینه ی نرون ها را تخمین می زند، مورد استفاده قرار گرفته است و در انتها از الگوریتم ارائه شده برای یافتن تعداد نرون های بهینه در شبکه ی عصبی mlp با یک لایه ی پنهان به عنوان مدل پیش بین در کنترل کننده پیش بین غیرخطی استفاده شده است. از این روش برای سیستم کنترل ph بهره گرفته شده است و بر اساس بررسی mse داده های آزمایش و آموزش نشان داده می شود که این تعداد نرون تخمین زده شده عملکرد مطلوبی دارد.