شبكه هاي عصبي مصنوعي و كاربرد آن در جوشكاري

مدلهاي رياضي بسياري براي كنترل كيفيت، راندمان، زير ساختار، خواص مكانيكي و عيوب جوش توسعه يافته اند، ولي بدليل رابطه غير خطي و پيچيده موجود بين پارامترهاي جوش و وابستگي آنها به نتايج تجربي خاص، در پيش بيني نتايج عمليات واقعي جوشكاري و انتخاب بهينه شرايط جوشكاري با مشكل مواجه بوده اند. در اين مقاله شبكه هاي هوشمند عصبي بعنوان يك ابزار سودمند در مدلسازي روابط بين ورودي و خروجي فرايندهاي جوشكاري بعنوان يك سيستم پيچيده مورد مطالعه قرار گرفته و به كرابردهايي از قبيل تخمين چقرمگي، استحكام، نرخ سرد شدن، ترك خوردگي گرم، پيشگويي ابعاد پاشنه جوش، كنترل نفوذ جوش در جوشكاري با الكترود تنگستني (GTAW)، انتخاب پهناي بهينه درز جوش بر حسب پارامترهايي چون تعداد پاس، سرعت، جريان و ولتاژ جوشكاري در عمليات جوشكاري قوسي رباتيك (GMA) مدلسازي اندازه متوسط دانه در جوشكاري آلياژ هاي تيتانيوم و رابطه بين پارامترهاي چون سرعت جوشكاري و سرعت دوراني ابزار با خواص مكانيكي اي همچون استحكام كششي، استحكام تسليم، ميزان تغيير طول، سختي فلز جوش و سختي HAZ در جوشكاري اصطكاكي دوراني (FSW) پرداخته شده است.