بهينه نمودن كارايي شبكه عصبي مصنوعي براي پيش‌بيني خواص كششي Al-5083 اتصال داده شده توسط فرايند FSW

در اين تحقيق، بهينه‌سازي قابليت شبكه عصبي مصنوعي (ANN) به‌منظور پيش‌بيني استحكام كششي و ازدياد طول نسبي اتصالات ايجاد شده بر Al-5083 توسط فرايند جوشكاري همزني اصطكاكي (FSW) مورد بررسي قرار گرفت. بدين منظور با تغيير پارامترهاي موثر بر كارايي ANN از قبيل تعداد لايه‌ها و تعداد نورون‌هاي لايه‌هاي مخفي، نوع تابع انتقال بين لايه‌ها، الگوريتم يادگيري و غيره، شبكه عصبي كارآمد براي پيش‌بيني خواص كششي اتصالات FSWed-Al-5083 تعيين گرديد. بررسي‌هاي انجام شده آشكار نمود كه شبكه عصبي پرسپترون با دو لايه پنهان و تعداد 17 نورون، الگوريتم آموزش لونبرگ-ماركوارت و تابع انتقال Logsig براي لايه‌هاي مياني و تابع تبديل Tansig براي لايه خروجي، كارآمدترين شبكه عصبي براي پيش‌بيني مورد نظر است. شبكه مذكور داراي ساختار بهينه براساس كمينه مقدار خطاي ميانگين مربعات 05/0، بيشينه ضريب همبستگي كل 93/0 و رگرسيون خط با زاويه 45 درجه بين مقادير واقعي و پيش‌بيني شده مي‌باشد. در نتيجه اين شبكه از كارايي مطلوبي براي آموزش، تعميم و برآورد استحكام كششي و ازدياد طول نسبي Al-5083 اتصال FSW داده شده برخوردار است.