پیش‌بینی خواص مکانیکی آلومینیوم 6061 حاصل از فرآیند نورد در کانال همسان زاویه‌دار با استفاده از شبکه عصبی مصنوعی و رگرسیون غیرخطی

فرآیند نورد در کانال همسان زاویه‌دار از فرآیندهای تغییر فرم شدید پلاستیک جهت دستیابی به ساختار فوق‌ریز دانه می‌باشد. در این مقاله به بررسی این فرآیند و تاثیر پارامترهای آن به کمک مدل‌سازی شبکه‌ی عصبی مصنوعی و رگرسیون غیرخطی پرداخته‌شده است. به‌منظور پیش‌بینی خواص مکانیکی نمونه آلومینیم 6061 حاصل از فرآیند نورد در کانال همسان زاویه‌دار از شبکه عصبی پس انتشار پیش‌خور استفاده‌شده است. پارامترهای زاویه کانال قالب، تعداد عبور و مسیر فرآیند به‌عنوان ورودی‌های شبکه عصبی و پارامترهای استحکام کششی، درصد ازدیاد طول و سختی به‌عنوان خروجی‌های شبکه عصبی در نظر گرفته‌شده‌اند. بعلاوه، رابطه بین پارامترهای ورودی با هرکدام از پارامترهای خروجی با استفاده از رگرسیون غیرخطی استخراج گردیده است. با مقایسه خروجی‌های شبکه عصبی و روابط برازش با نتایج تجربی مشاهده گردید که هر دو مدل به‌طور مناسبی قابلیت پیش‌بینی خواص مکانیکی رادارند، هرچند مدل شبکه عصبی عملکرد بهتری را نشان می‌دهد. در ادامه به کمک داده‌های توسعه داده‌شده توسط مدل شبکه عصبی مصنوعی آموزش‌دیده، تاثیر پارامترهای ورودی فرآیند بر استحکام کششی، درصد ازدیاد طول و سختی مورد تجزیه‌وتحلیل قرارگرفته است . نتایج حاصل از این مدل نشان میدهد که پارامترهای زاویه کانال قالب و تعداد عبور، تاثیر بیشتری را نسبت به مسیر فرآیند بر روی مقادیر خروجی دارند