مدل‏سازی سختی تایرها برپایه سرعت انتشار امواج فراصوتی طولی با استفاده از رگرسیون فرآیند گاوسی

آزمون‌های غیرمخرب، از قابلیت شناسایی عیوب و بررسی خواص قطعه بدون تغییر خواص قطعه، برخوردار می‌باشند. آزمون غیرمخرب فراصوتی در پژوهش‌های بسیاری برای مطالعه ویژگی‌های مختلف مواد از قبیل خواص مکانیکی و ساختاری، مورد استفاده قرار گرفته است. از سرعت انتشار امواج فراصوتی به شکل گستردهای در اندازه‌گیری سختی فلزات استفاده می‌شود. در پژوهش حاضر برای اولین بار از روش غیرمخرب آزمون فراصوتی برای بررسی سختی لاستیک استفاده شده و مدل‌سازی توسط رگرسیون فرایند گوسی انجام شده است. به این منظور 87 نمونه آمیزه با فرمول‌بندی متفاوت تهیه و در دو دمای متفاوت پخت گردیدند. پس از فرآیند پخت، خواص سختی و سرعت امواج فراصوتی طولی درون آمیزه اندازه گرفته شدند. نتایج مدل‌سازی انجام شده توسط رگرسیون فرآیند گاوسی نشان دادند که مدل ایجاد شده به شکل موفقیت آمیزی قادر به پیش بینی سختی در لاستیک است. همچنین با وجود بررسی تکرارپذیری وجود ارتباط بین سختی و سرعت امواج فراصوتی مشاهده شده است و امکان جایگزینی روش ارائه شده برای اندازه‌گیری پارامتر سختی وجود دارد. مزیت دیگر روش پیشنهادی، زمان کوتاه انجام آزمون و عدم نیاز به جداسازی نمونه در خطوط تولید لاستیک است که باعث می‌شود بتوان از آن به شکل برخط در خطوط تولید تایر استفاده نمود.

Tire Hardness Modeling Based on Longitudinal Ultrasonic Velocity Using the Gaussian Process Regression

Nondestructive tests have capabilities to investigate and identify the defects and properties of the test piece without changing the physical and mechanical properties of the sample. The nondestructive ultrasonic test has been used in many investigations to study different material properties such as mechanical and structural properties. The ultrasonic wave propagation velocities have been widely used for metal hardness measurement. In this study, for the first time, nondestructive ultrasonic testing has been employed to measure the hardness of rubber compounds using Gaussian process regression. Eightyseven samples with different formulations were prepared and vulcanized. After the vulcanization, the compound hardness of the samples and the longitudinal ultrasonic wave velocity through them was measured. The result of Gaussian process regression model shows that this model performs well and able to predict tire hardness. Also, investigating repeatability shows that this method can be a good alternative for conventional hardness testing method in measuring the hardness of rubbers. According to the low time of the test in this method and no need to sample preparation, the proposed method can be used in tire production lines.