|
|
مواد پیشرفته در مهندسی (استقلال)، جلد ۲۸، شماره ۱، صفحات ۷۵-۸۳
|
|
|
| عنوان فارسی |
شببیه سازی تاثیر سرعت انجماد بر ریز ساختار آلیاژهای ریختگی آلومینیوم با استفاده از مدل شبکه عصبی مصنوعی |
|
| چکیده فارسی مقاله |
در انجماد آلومینیوم و آلیاژهای آن، بررسی ریز ساختار حاصل از شرایط انجمادی مختلف به‌علت تاثیر قابل ملاحظه آن بر خواص مکانیکی، اهمیت زیادی دارد. این مواد اصولا در انواع قالبهای ماسه‌ای، فلزی و تزریقی ریخته گری می‌شوند که شرایط انجمادی متفاوتی ایجاد کرده و ریز ساختار نهایی قطعه تا حد زیادی به این شرایط وابسته است. در این تحقیق تاثیر عواملی مثل سرعت سرد شدن، سرعت حرکت جبهه انجماد و شیب دمایی در فصل مشترک مذاب – جامد بر فواصل بین شاخه‌های ثانویه دندریتی توسط یک سیستم ریخته گری با انجماد جهت دار آلیاژهای مهم آلومینیوم بررسی شد. فواصل بین شاخه‌های ثانویه دندریتی در سرعتهای سرد شدن مختلف اندازه‌گیری و ارتباط آن به صورت روابط ریاضی ارائه شد. از طرف دیگر ارتباط بین فواصل شاخه‌های ثانویه دندریتی و سرعت سرد شدن توسط شبکه عصبی مصنوعی شبیه سازی و نمودارهای حاصل با نتایج آزمایشگاهی مقایسه شد و تطابق خوبی مشاهده شد. لذا از مدل شبیه سازی می‌توان برای پیش بینی مقادیر حدی که به صورت آزمایشگاهی انجام آن بسیار مشکل و یا ناممکن است استفاده کرد. |
|
| کلیدواژه‌های فارسی مقاله |
|
|
| عنوان انگلیسی |
Simulation of Solidification Rate Effects on the Microstructure of Al-Alloy Castings Using Artificial Neural Network |
|
| چکیده انگلیسی مقاله |
In cast aluminum and its alloys, the microstructure varies under different solidification conditions, causing variations in their mechanical properties. These materials are basically produced in sand and metallic molds or through die casting, each of which is associated with a unique solidification regime with significantly different cooling rates so that the resulting microstructure strongly depends on the casting method used. In the present study, the effects of such important solidification parameters as cooling rate, solidification front velocity, and thermal gradient at the solid-liquid interface on secondary dendrite arm spacing were investigated. By a directional solidification system, the mathematical relation between cooling rate and dendrite spacing was extracted for several commercially important aluminum alloys. A neural network model was trained using the experimental values of cooling rates and secondary dendrite arm spacing. Reliable prediction of these values was made from the trained network and their corresponding diagrams were constructed. A good agreement was found between simulation and experimental values. It is concluded that the neural network constructed in this study can be employed to predict the relationship between cooling rate and dendrite arm spacing, which is difficult, if not iompossible, to accomplish experimentally. |
|
| کلیدواژه‌های انگلیسی مقاله |
|
|
| نویسندگان مقاله |
محمود مرآتیان | m meratian
department of materials engineering, isfahan university of technology, isfahan, iran, 84156-83111,
دانشگاه صنعتی اصفهان-دانشکده مهندسی مواد
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)
نوید سعیدی | n saeidi
department of materials engineering, isfahan university of technology, isfahan, iran, 84156-83111,
دانشگاه صنعتی اصفهان-دانشکده مهندسی مواد
سازمان اصلی تایید شده: دانشگاه صنعتی اصفهان (Isfahan university of technology)
|
|
| نشانی اینترنتی |
http://jame.iut.ac.ir/browse.php?a_code=A-10-1-582&slc_lang=fa&sid=fa |
| فایل مقاله |
اشکال در دسترسی به فایل - ./files/site1/rds_journals/1268/article-1268-229868.pdf |
| کد مقاله (doi) |
|
| زبان مقاله منتشر شده |
fa |
| موضوعات مقاله منتشر شده |
عمومی |
| نوع مقاله منتشر شده |
پژوهشی |
|
|
|
برگشت به:
صفحه اول پایگاه |
نسخه مرتبط |
نشریه مرتبط |
فهرست نشریات
|