پیش بینی خواص مکانیکی آلومینیوم 6061 حاصل از فرآیند نورد در کانال همسان زاویه دار با استفاده از شبکه عصبی مصنوعی و رگرسیون غیرخطی

فرآیند نورد در کانال همسان زاویه دار از فرآیندهای تغییر فرم شدید پلاستیک جهت دستیابی به ساختار فوق ریز دانه می باشد. در این مقاله به بررسی این فرآیند و تاثیر پارامترهای آن به کمک مدل سازی شبکه ی عصبی مصنوعی و رگرسیون غیرخطی پرداخته شده است. به منظور پیش بینی خواص مکانیکی نمونه آلومینیم 6061 حاصل از فرآیند نورد در کانال همسان زاویه دار از شبکه عصبی پس انتشار پیش خور استفاده شده است. پارامترهای زاویه کانال قالب، تعداد عبور و مسیر فرآیند به عنوان ورودی های شبکه عصبی و پارامترهای استحکام کششی، درصد ازدیاد طول و سختی به عنوان خروجی های شبکه عصبی در نظر گرفته شده اند. بعلاوه، رابطه بین پارامترهای ورودی با هرکدام از پارامترهای خروجی با استفاده از رگرسیون غیرخطی استخراج گردیده است. با مقایسه خروجی های شبکه عصبی و روابط برازش با نتایج تجربی مشاهده گردید که هر دو مدل به طور مناسبی قابلیت پیش بینی خواص مکانیکی رادارند، هرچند مدل شبکه عصبی عملکرد بهتری را نشان می دهد. در ادامه به کمک داده های توسعه داده شده توسط مدل شبکه عصبی مصنوعی آموزش دیده، تاثیر پارامترهای ورودی فرآیند بر استحکام کششی، درصد ازدیاد طول و سختی مورد تجزیه وتحلیل قرارگرفته است. نتایج نشان می دهد که مدل شبکه عصبی ، یک ابزار کارآمد برای پیش بینی خواص مکانیکی ورق های آلومینیم 6061 حاصل از فرآیند نورد در کانال همسان زاویه دار می باشد.