مدل پیش بینی سایش آلیاژهای پایه منیزیم با استفاده از الگوریتم های یادگیری ماشین

روش های داده محور از جمله یادگیری ماشین، رویکردی نوین در برقراری ارتباط خواص مواد مهندسی و خواص تریبولوژیکی پدید آورده اند که توانایی و قابلیت بررسی تاثیر فرآیند ساخت، عملیات حرارتی، ترکیب شیمیایی و متغیرهای آزمون تریبولوژی به طور هم زمان بر حجم سایش را دارا هستند. پیش بینی حجم سایش با استفاده از این روش ها، بهره گیری از آزمون های هزینه بر و زمان بر مهندسی مربوط به خواص تریبولوژیکی را کاهش می دهند. در پژوهش حاضر، الگوریتم های نزدیک ترین همسایگی، جنگل تصادفی، درخت تصمیم، گرادیان بوستینگ و بوستینگ تطبیقی به منظور پیش بینی حجم سایش آلیاژهای منیزیم به کار گرفته شدند. نتایج حاکی از عملکرد قابل قبول الگوریتم های مورد استفاده در جهت پیش بینی حجم سایش است. بهترین عملکرد مربوط به الگوریتم بوستینگ تطبیقی با دقت 94 درصد است. نتایج نشان دهنده اهمیت و مشارکت بالای بار عمودی، مسافت لغزش و سرعت لغزش در پیش بینی حجم سایش است.