مدل پيش بيني سايش آلياژهاي پايه منيزيم با استفاده از الگوريتم هاي يادگيري ماشين

روش هاي داده محور از جمله يادگيري ماشين، رويكردي نوين در برقراري ارتباط خواص مواد مهندسي و خواص تريبولوژيكي پديد آورده اند كه توانايي و قابليت بررسي تاثير فرآيند ساخت، عمليات حرارتي، تركيب شيميايي و متغيرهاي آزمون تريبولوژي به طور هم زمان بر حجم سايش را دارا هستند. پيش بيني حجم سايش با استفاده از اين روش ها، بهره گيري از آزمون هاي هزينه بر و زمان بر مهندسي مربوط به خواص تريبولوژيكي را كاهش مي دهند. در پژوهش حاضر، الگوريتم هاي نزديك ترين همسايگي، جنگل تصادفي، درخت تصميم، گراديان بوستينگ و بوستينگ تطبيقي به منظور پيش بيني حجم سايش آلياژهاي منيزيم به كار گرفته شدند. نتايج حاكي از عملكرد قابل قبول الگوريتم هاي مورد استفاده در جهت پيش بيني حجم سايش است. بهترين عملكرد مربوط به الگوريتم بوستينگ تطبيقي با دقت 94 درصد است. نتايج نشان دهنده اهميت و مشاركت بالاي بار عمودي، مسافت لغزش و سرعت لغزش در پيش بيني حجم سايش است.