مدل سازی خواص مکانیکی کامپوزیت ها و نانوکامپوزیت های al-al2o3 با استفاده از شبکه عصبی مصنوعی

کامپوزیت های زمینه آلومینیومی (amcs) تقویت شده با میکرو و نانو ذرات al2o3 دسته ای از مواد پیشرفته می باشند که در صنایع نظامی، اتوموبیل و هوا فضا بکار می روند. این نانوکامپوزیتها دارای خواص مکانیکی قابل توجهی همچون سختی و استحکام فشاری و کششی بالا می¬باشند. در این پژوهش به منظور افزایش خواص مکانیکی کامپوزیت های al-al2o3، تاثیر سه پارامتر اندازه ذرات (نانو و میکرو)، درصد ذرات (1، 2، 3، 5، 10، 13 و 15) و پوشش ذرات مختلف (بدون پوشش، مس، نیکل و کبالت) بر روی سختی، استحکام فشاری و تنشهای تسلیم و نهایی کششی این کامپوزیت ها ارزیابی می شود. خواص مکانیکی 22 نمونه از منابع مختلف اخذ شده و خواص مکانیکی 14 نمونه دیگر با انجام آزمایش در گروه مواد و متالورژی دانشگاه فردوسی به دست آمده است. از نمونه های مذکور برای آموزش و ارزیابی یک مدل شبکه عصبی مصنوعی استفاده شده است. برای مدل¬سازی شبکه عصبی مصنوعی از پرسپترون چند لایه با کمک نرم افزار matlab استفاده شده ¬است. در ارزیابی سختی و استحکام فشاری از الگوریتم شیب کاهشی با پس انتشار حرکتی و برای تنش تسلیم و نهایی کششی از الگوریتم لونبرگ- مارکوآت استفاده شده است. مقایسه این دو الگوریتم حاکی از مناسب تر بودن جواب¬های الگوریتم لونبرگ- مارکوآت است. مدل سازی های انجام شده دارای تطابق بسیار خوبی با نتایج آزمایشگاهی هستند و برای طراحی کامپوزیتهای با خواص مورد نظر کمک بسیار موثری می باشند.