معرفي مدلي براي تخمين كيفيت قطعات فلزي با استفاده از شبكه عصبي و الگوريتم تكاملي فاخته

معمولاً براي افزايش كيفيت قطعات پيشنهاد مي شود خواص فيزيكي آنها، همچون استحكام كششي، چقرمگي، سختي و جز اين ها، در حين فرايند توليد يا پس از آن ارزيابي شود. اين در حالي است كه اندازه گيري هاي مخرب در غالب موارد پرهزينه اند؛ بنابراين استفاده از روش هاي غيرمخرب براي ارزيابي خواص فيزيكي مواد، خصوصاً در خطوط توليد، امري منطقي به نظر مي رسد. سختي مواد از جمله پارامترهايي است كه به كمك آن مي توان ريزساختار ماده همچون اندازه دانه، نوع و مقدار فاز و پارامترهاي ديگر را در حين توليد حدس زد. در اين مقاله سعي شده است با استفاده از روش هاي هوش مصنوعي، سختي قطعات با استفاده از امواج فراصوتي تخمين زده و پيش بيني شود. براي اين منظور از نمونه هاي فولاد ضد زنگ سي. 304، كه با تغيير دما و زمان عمليات آنيل ريزساختار متفاوتي پيدا كرده، استفاده شده است. اين مقاله درپي مدلي مطلوب براي تخمين سختي و استهلاك است. روش مورد استفاده در اين پژوهش شبكه عصبي است. شبكه عصبي مورد نظر با استفاده از الگوريتم تكاملي فاخته بهبود بهبود يافته و تركيب شده است. نتايج مدل تركيبي ارائه شده rmse=0.1523 و r2=0.98 است. نتايج مدل مذكور نشان دهنده مناسب بودن آن براي تخمين و پيش بيني كيفيت قطعات مي باشد.