پیش بینی استحکام تسلیم آلیاژهای فولادی با شبکه عصبی پرسپترون چند لایه

پایه تشکیل دهنده ی فولاد، کربن و آهن و مقدار کربن موجود در آهن، تعیین کننده ی نوع و خاصیت فولاد تشکیل دهنده میباشد. فولاد دارای استحکام بالا فراوانی ، قیمت مناسب، قابلیت عملیات حرارتی می باشد به همین علت پرکاربرد ترین و اساسی ترین فلز مورد استفاده در صنعت به شمار می رود، استحکام مقدار نیرویی است که یک ماده تحمل می کند و استحکام تسلیم حداکثر استحکامی است که قطعه بعد از آن وارد تغییر شکل مومسان میگردد. استحکام تسلیم که یک موضوع چالش برانگیز در فولاد بوده حایز اهمیت بالایی است و یکی از مهم ترین پارامترهایی جهت تعیین خواص مکانیکی مواد به شمار می رود که از طریق یکی از آزمایشات مهم و انعطاف پذیر به نام آزمون کشش اندازه گیری می شود. از عوامل موثر براستحکام تسلیم می توان به ترکیب شیمیایی، نحوه عملیات حرارتی، میزان جذب ضربه، سختی، درصد ازدیاد طول، نرخ بارگذاری، کرنش و مدول الاستیک اشاره کرد. مقاله پیش رو به معرفی روشی که پیش بینی استحکام تسلیم آلیاژهای فولادی با شبکه عصبی پرسپترون چند لایه می پردازد. پرسپترون ساده ترین نوع مدل سازی نورون با قابلیت یادگیری است. با در اختیار داشتن دیتا های معلوم از استحکام تسلیم و ترکیب شیمیایی، درصد ازدیاد طول، میزان جذب ضربه، نحوه عملیات حرارتی و سختی، شبکه ی عصبی به تشکیل الگوریتم برای یافتن استحکام تسلیم آلیاژهای مجهول که مقدار آن به وسیله ی تست کشش قابل انداره گیری نبوده، می پردازد که به مقدار حقیقی و آزمون کشش نزدیک تر می باشد. درنتیجه داده های حاصل از آزمون تجربی با دقت قابل قبول توسط مدل حاصله در شبکه عصبی قابل پیش بینی بوده که بر هم منطبق می باشند.