مدلسازی و بهینه سازی تاثیر پارامترهای موثر در عملیات اسیدشویی آلیاژ تیتانیم با استفاده از روش شبکه عصبی مصنوعی و الگوریتم ژنتیک

برای حذف لایه آلفای سطحی از سطح  قطعات فورجداغ شده از جنس آلیاژ تیتانیم و بهبود کیفیت سطح معمولاً از فرآیند اسیدشوییاستفاده می شود. با توجه به اثر متقابل پارامترهای موثر در این فرآیند، بررسی تاثیرپارامترها بر کیفیت سطح قطعه و میزان باربرداری و بهینه سازی آنها، نیازمند انجام آزمایشاتتجربی و استفاده از روشهای مدلسازی است. در این تحقیق، تاثیر پارامترهای دما، مدتعملیات، غلظت اسید های هیدروفلوریک و نیتریک بر توابع پاسخ زبری سطح قطعه و عمقباربرداری، مدلسازی و بهینه سازی می شود. ابتدا با طراحی آزمایشات با روش تاگوچی وانجام آنها، تاثیر پارامترهای مذکور بر توابع پاسخ با روش شبکه عصبی مصنوعیمدلسازی می شود و با استفاده از این مدل تاثیر پارامترهای ورودی بر زبری سطح قطعهو عمق باربرداری بررسی می گردد. سپس با ترکیب روش الگوریتم ژنتیک و شبکه عصبی،مقدار بهینه پارامترهای ورودی بدست  می آید. نتایج نشان می دهد که شبکه عصبی پیش خور سه لایه ای با الگوریتم آموزش پس انتشارلونبرگمارکوارت با ده گره برای لایه پنهان با دقت بالایی زبری سطح و عمقباربرداری را برحسب پارامترهای ورودی مدلسازی می کند. با افزایش دما و درصد اسیدهیدروفلوریک، عمق باربرداری بیشتر می شود و درصد اسید نیتریک و دمای عملیات در تاثیر بر عمق باربرداری باهم اثرمتقابل دارند. مدت عملیات در زبری سطح تاثیر قابل توجهی ندارد و با افزایش دما دردرصدهای پایین اسید هیدروفلوریک، زبری سطح کاهش می یابد اما در درصدهای بالایاسید، زبری سطح افزایش می یابد.