مهدی ارجمندی بهزاد ، حمید خرسند ، سید حسین ساداتی
گروه مواد، دانشکده مهندسی مکانیک، دانشگاه صنعتي خواجه نصيرالدين طوسي
 امور مهندسي تحقيقات مواد شركت ساپكو
M_arjmandi@sina.kntu.ac.ir

چكيده
دسته زیادی از قطعات فولادی متالورژی پودر مورد استفاده در صنایع مختلف مانند چرخدنده های مصرفی در موتور خودرو و جعبه دنده خودروهای مختلف مرتبا در معرض سایش هستند. عوامل متعدد زیادی بر روی نرخ سایش این دسته از قطعات موثر است. از این رو در این تخقیق سعی شده است تا با طراحی یک مدل شبکه عصبی نرخ سایش با توجه به تاثیر عوامل مختلف برل روی آن پیش بینی شود. به منظور تهیه داده های لازم برای طراحی مدل آزمونهای استاندار سایش بر روی نمونه های استاندارد انجام شده است. مدل طراحی شده در این تخقیق از نوع Feed Forward Neural Network (FFNN) است که با الگجوریتم Backpropagation آموزش داده شده است. در مدل طراحی شده پارامترهای،تركيب شيميايي نمونه ها، دماي زينتر، شرايط توليد پودر، نرخ سرمايش، درصد تخلخل، پارامتر شكل تخلخل و درصد فازهاي پرليت، فريت، بينيت و مارتنزيت ،انجام يا عدم انجام عمليات حرارتي به همراه سختی به عنوان ورودی و پارامتر خروجي نرخح سایش است. نتایج حاصل از مدلستازی نشان می دهد که مدل طراحی شده قادر است در محدوده طراحی شبکه و با دقتی معادل خطای طراحی مدل، نرخ سایش را پیش بینی کرده و با توجه به اینکه تست سایش یک تست زمان بر است با استفاده از این مدل مقدار قابل توجهی در وقت و هزینه صرفه جویی می شود.

واژه‌هاي كليدي: فولاد متالورژی پودر، نرخ سایش، شبکه های عصبی مصنوعی

پیش بینی نرخ سایش فولادهای متالورژی پودر توسط شبکه های عصبی مصنوعی