شببیه سازی تاثیر سرعت انجماد بر ریز ساختار آلیاژهای ریختگی آلومینیوم با استفاده از مدل شبکه عصبی مصنوعی

نویسندگان

محمود مرآتیان

m. meratian department of materials engineering, isfahan university of technology, isfahan, iran, 84156-83111,دانشگاه صنعتی اصفهان-دانشکده مهندسی مواد نوید سعیدی

n. saeidi department of materials engineering, isfahan university of technology, isfahan, iran, 84156-83111,دانشگاه صنعتی اصفهان-دانشکده مهندسی مواد

چکیده

در انجماد آلومینیوم و آلیاژهای آن، بررسی ریز ساختار حاصل از شرایط انجمادی مختلف به علت تاثیر قابل ملاحظه آن بر خواص مکانیکی، اهمیت زیادی دارد. این مواد اصولا در انواع قالبهای ماسه ای، فلزی و تزریقی ریخته گری می شوند که شرایط انجمادی متفاوتی ایجاد کرده و ریز ساختار نهایی قطعه تا حد زیادی به این شرایط وابسته است. در این تحقیق تاثیر عواملی مثل سرعت سرد شدن، سرعت حرکت جبهه انجماد و شیب دمایی در فصل مشترک مذاب – جامد بر فواصل بین شاخه های ثانویه دندریتی توسط یک سیستم ریخته گری با انجماد جهت دار آلیاژهای مهم آلومینیوم بررسی شد. فواصل بین شاخه های ثانویه دندریتی در سرعتهای سرد شدن مختلف اندازه گیری و ارتباط آن به صورت روابط ریاضی ارائه شد. از طرف دیگر ارتباط بین فواصل شاخه های ثانویه دندریتی و سرعت سرد شدن توسط شبکه عصبی مصنوعی شبیه سازی و نمودارهای حاصل با نتایج آزمایشگاهی مقایسه شد و تطابق خوبی مشاهده شد. لذا از مدل شبیه سازی می توان برای پیش بینی مقادیر حدی که به صورت آزمایشگاهی انجام آن بسیار مشکل و یا ناممکن است استفاده کرد.

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

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

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

مدل سازی رواناب رودخانه صوفی چای با استفاده از ماشین بردار پشتیبان و شبکه عصبی مصنوعی

Accurate simulation runoff process can have a significant role in water resources management and related issues. The inherent complexity of  this process makes difficult the use of physical and numerical models. In recent years, application of intelligent models is increased a powerful tool in hydrological modeling. The aim of this study was the application of the Gamma test to select the optim...

متن کامل

مدل سازی کیفیت زیباشناختی منظر در فضای سبز شهری با استفاده از شبکه عصبی مصنوعی

ارزیابی‌های کیفیت منظر عمدتا اشاره به نقش کلیدی عناصر طبیعی و مصنوعی منظر در ایجاد رضایت‌مندی و درک زیبایی از منظر دارند. هدف از این مقاله مدل‌سازی ارزیابی کیفیت زیباشناختی منظر با استفاده از شبکه عصبی مصنوعی به منظور کشف روابط حاکم در ساختار منظر و ارتباط عناصر منظر با کیفیت زیباشناختی آن است. جهت انجام پژوهش حاضر چهار بوستان (جمشیدیه، نهج البلاغه، قیطریه، آب و آتش) با تنوع بالا در کیفیت منظر ...

متن کامل

منابع من

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


عنوان ژورنال:
مواد پیشرفته در مهندسی (استقلال)

جلد ۲۸، شماره ۱، صفحات ۷۵-۸۳

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023