پیش بینی سختی در نانو کامپوزیت‌های Al-Al2o3با استفاده از شبکه عصبی مصنوعی با تغییر عوامل موثر در روش آلیاژسازی مکانیکی

در این پژوهش یک شبکه پیشرو با الگوریتم پس انتشار خطا، برای پیش بینی سختی نانوکامپوزیت‌های آلومینیوم- آلومینا، تولید شده به روش آلیاژسازی مکانیکی، با استفاده از داده های موجود طراحی شد. مقدار و اندازه ذرات تقویت کننده ، نیرو در آزمون سختی؛ همچنین برخی از عوامل موثر بر فرآیند آلیاژسازی به عنوان متغیرهای ورودی شبکه و سختی ویکرز به عنوان خروجی شبکه درنظر گرفته شدند. نرخ آموزش، تعداد لایه‌های پنهان و تعداد نرون هابا درنظر گرفتن مقدار و درصد خطا تعیین شدند. برای بررسی عملکرد شبکه، از میانگین مربعات خطا و نمودارهای رگرسیون استفاده شد. شبکه طراحی شده سختی ویکرز داده های تست را با میانگین خطای 67/2 درصد (معادل 25/2 ویکرز) پیش بینی می‌نماید.با استفاده ازمدل شبکه عصبی، سختی ویکرز نانو کامپوزیت آلومینیوم-آلومینا، بدون نیاز به کارهای آزمایشگاهی پرهزینه، قابل پیش بینی می باشد.