مدل سازی انرژی ضربه ی فولادهای مرتبه ای با استفاده از شبکه های عصبی مصنوعی

در این مقاله, انرژی ضربه ی فولادهای مرتبه ای در دماهای مختلف با استفاده از شبکه های عصبی مصنوعی مدل سازی شده است. فولادهای مرتبه ای با استفاده از چیدمان ها و ضخامت های مختلف فولادهای ساده کربنی و زنگ نزن، به عنوان الکترود اولیه فرآیند ذوب دوباره سرباره ای الکتریکی، تولید می شوند. نفوذ اتم های مختلف از درون قطعات اولیه فولادی به یکدیگر سبب تولید نواحی مرتبه ای فریتی و آستنیتی می گردد. شش نوع مدل با استفاده از شبکه های عصبی مصنوعی که تفاوت آنها در تعداد لایه های مخفی و نورون های هر لایه بود، ارائه شد. پارامترهای ورودی عبارتند از نوع فولاد مرتبه ای، حالت ترک، ضخامت ناحیه مرتبه ای فریتی، ضخامت ناحیه مرتبه ای آستنیتی، فاصله ترک از لایه های بینیتی یا مارتنزیتی و دما. مجموعاً 140 سری داده آزمایشی جمع آوری، به 98، 21 و 21 سری به طور تصادفی تقسیم و به ترتیب توسط مدل های پیشنهادی آموزش داده، ارزیابی و آزمایش شدند. نتایج نشان دادند که مدلی حاوی 2 لایه مخفی دارای به ترتیب 14 و 12 نورون در لایه های مخفی اول و دوم سبب حصول بهترین نتایج خواهد شد. این شبکه دارای ضریب همبستگی، خطای مطلق و خطای ریشه مجموع مربعات به ترتیب 1، 6175/0 و 5482/0در فاز آموزش، 9982/0، 4666/4 و 4347/3 در فاز ارزیابی و 9955/0، 9462/10 و 2716/5 در فاز آزمایش است. اگرچه نتایج حاصل از مدل های دیگر نیز نشان دادند که شبکه های عصبی مصنوعی برای مدل سازی انرژی ضربه ی فولادهای مرتبه ای در محدوده مورد بررسی مناسبند.