مدلسازی و بهینه سازی تاثیر پارامترهای مؤثر در عملیات اسیدشویی آلیاژ تیتانیم با استفاده از روش شبکه عصبی مصنوعی و الگوریتم ژنتیک

نویسنده

چکیده مقاله:

برای حذف لایه آلفای سطحی از سطح  قطعات فورج داغ شده از جنس آلیاژ تیتانیم و بهبود کیفیت سطح معمولاً از فرآیند اسیدشویی استفاده می شود. با توجه به اثر متقابل پارامترهای مؤثر در این فرآیند، بررسی تاثیر پارامترها بر کیفیت سطح قطعه و میزان باربرداری و  بهینه سازی آنها، نیازمند انجام آزمایشات تجربی و استفاده از روشهای مدلسازی است. در این تحقیق، تاثیر پارامترهای دما، مدت عملیات، غلظت اسید های هیدروفلوریک و نیتریک بر توابع پاسخ زبری سطح قطعه و عمق باربرداری، مدلسازی و بهینه سازی می شود. ابتدا با طراحی آزمایشات با روش تاگوچی و انجام آنها، تاثیر پارامترهای مذکور بر توابع پاسخ با روش شبکه عصبی مصنوعی مدلسازی می شود و با استفاده از این مدل تاثیر پارامترهای ورودی بر زبری سطح قطعه و عمق باربرداری بررسی می گردد. سپس با ترکیب روش الگوریتم ژنتیک و شبکه عصبی، مقدار بهینه پارامترهای ورودی بدست  می آید. نتایج نشان می دهد که شبکه عصبی پیش خور سه لایه ای با الگوریتم آموزش پس انتشار لونبرگ-مارکوارت با ده گره برای لایه پنهان با دقت بالایی زبری سطح و عمق باربرداری را برحسب پارامترهای ورودی مدلسازی می کند. با افزایش دما و درصد اسید هیدروفلوریک، عمق باربرداری بیشتر می شود و درصد اسید نیتریک و دمای عملیات در تاثیر بر عمق باربرداری باهم اثر متقابل دارند. مدت عملیات در زبری سطح تاثیر قابل توجهی ندارد و با افزایش دما در درصدهای پایین اسید هیدروفلوریک، زبری سطح کاهش می یابد اما در درصدهای بالای اسید، زبری سطح افزایش می یابد.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

مدل‌کردن و بهینه سازی سنتز آنزیمی کافئیک اسید فن اتیل استر با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این تحقیق، واکنش کافئیک اسید و 2- فنیل اتانول در حضور لیپاز تثبیت شده از مخمر آنتارکتیکا (نووزیم 435) به منظور تولید کافئیک اسید فن اتیل استر در سیستم ایزواکتان با استفاده از روش‌های شبکه عصبی مصنوعی و ژنتیک الگوریتم مدل سازی و بهینه گردید. بدین منظور ازیک طرح مرکب مرکزی چرخش پذیر با 4 متغیر و 5 سطح جهت مدل کردن واکنش آنزیمی به کمک شبکه عصبی مصنوعی استفاده شد. متغیرهای مستقل شامل دما، زمان، ...

متن کامل

مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی

ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...

متن کامل

مدلسازی فرایند ocm با استفاده از شبکه عصبی مصنوعی و بهینه سازی پارامترهای عملیاتی فرایند با استفاده از الگوریتم ژنتیک

در این پروژه از 100 آزمون رآکتوری انجام شده روی کاتالیست mn/na2wo4/sio2 در واکنش زوج شدن اکسایشی متان (ocm) ودر یک رآکتور بستر ثابت از جنس کوارتز، در فشار اتمسفریک و تحت شرایط عملیاتی متفاوت شامل دما، سرعت فضایی حجم گاز (ghsv)، نسبت متان به اکسیژن و درصد مولی گاز رقیق کننده (n2) استفاده گردید. با توجه به ویژگی شبکه های عصبی، از شبکه عصبی مصنوعی جهت توسعه مدل از داده های نمونه سیستم استفاده گرد...

بهینه سازی شبکه عصبی MLP با استفاده از الگوریتم ژنتیک موازی FinGrain برای تشخیص سرطان سینه

امروزه استفاده از سیستم‌های هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستم‌ها می‌توانند به کاهش خطایی که ممکن است توسط کارشناسان کم‌تجربه اتفاق بیافتد، کمک کند. بدین منظور استفاده از سیستم‌های هوشمند مصنوعی در پیش‌بینی و تشخیص سرطان سینه که یکی از رایج‌ترین سرطان‌ها در بین زنان است، مورد توجه می‌باشد. در این تحقیق فرآیند تشخیص بیماری سرطان سینه با یک رویکرد دو مرحله‌ای انجام...

متن کامل

مدل سازی و بهینه سازی واحد تولید هیدروژن با شبکه ی عصبی مصنوعی و الگوریتم ژنتیک

هدف اصلی این پژوهش، مدل سازی واحد صنعتی تولید هیدروژن براساس تبدیل متان با بخار آب با کاربرد شبکه ی عصبی مصنوعی است. عامل های دبی فراورده و انرژی مصرفی به عنوان عامل های خروجی مدل در نظر گرفته شد و دو شبکه ی عصبی مجزا برای پیش بینی این دو عامل مدنظر قرارگرفت. نتیجه های مدل سازی با دقت بسیار خوب، خطای متوسط مطلق، خطای متوسط نسبی و خطای احتمالی بین داده های واقعی کارخانه و مدل را به ترتیب برابر ب...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 12  شماره 27

صفحات  57- 69

تاریخ انتشار 2016-05-21

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023