عنوان پایان‌نامه
بهینه سازی سطح شیب دار
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 38630;کتابخانه مرکزی پردیس 2 فنی شماره ثبت: TN 695
- تاریخ دفاع
- ۲۴ شهریور ۱۳۸۷
- دانشجو
- حسین میدانی
- استاد راهنما
- محمود نیلی احمدآبادی
- چکیده
- در این تحقیق هدف اصلی مدل سازی فرآیند سطح شیب دار برای فراوری مواد نیمه جامد به وسیله ی شبکه های عصبی می باشد. مدل های توصیفی مختلفی برای این فرآیند ارایه شده اند اما با این وجود کماکان مدل جامعی در این زمینه در مراجع گزارش نشده است، که علت آن عدم شناخت دقیق از اثر تمام متغیر ها به صورت کمی است. از این رو در این تحقیق تلاش شده است تا از یک مدل تجربی برای این کار استفاده شود. شبکه های عصبی به دلیل قابلیت های ویژه ی خود، یکی از قدرتمند ترین روش ها برای ایجاد مدل های تجربی می باشند و از این رو از این روش برای مدل سازی استفاده شد. در جهت ایجاد مدلی مطلوب ابتدا تلاش شد، با انجام آزمایش های متعدد درشرایط کنترل شده بر روی آلیاژ آلومینیم 356A و Pb15-Sn، بانک داده ای قابل اعتماد ایجاد شود. همچنین برای هر آلیاژ شرایط بهینه ی فرآیند بدست آمده و تلاش شد با مقایسه ی این نتایج با تحقیقات پیشین ماهیت روش سطح شیب دار بهتر شناخته شود. سپس با استفاده از این بانک داده، مدل سازی به روش شبکه های عصبی انجام شده و نتایج آن با نتایج حقیقی مقایسه شد. دیده شد که مدل به خوبی می تواند ریز ساختار حاصل را به صورت کمی پیش بینی کند.
- Abstract
- The main aspect of the present study is to develop a Neural Network model for semisolid cooling slope plate method, which is used for production of semisolid slurries. There are many descriptive models currently available in the literature for this method, however no powerful physical model has been proposed yet. The reason is, the lack of knowledge in the effect of each variable on the final microstructure quantitatively. Consequently, in the present study an empirical model has been tried to be applied to the problem. Neural Networks are one of the most powerful and wide-spreading methods for developing empirical models and have proved their advantages over conventional regression methods. In first step, it is tried to generate a reliable database via performing various experiments on Aluminum A356 and Sn-15Pb alloys in a manner, the process parameters are completely controlled. Alongside, the optimum casting condition for each alloy is tried to be investigated and compared with other alloys having different thermal properties; so that the effect of the thermal properties of the alloy on process parameters can be better understood. Finally, the model is developed on the basis of the available databank and the predictions are compared to experimental results. It was found that the model is well capable of predicting the final microstructure quantitatively.
