دوره 27، شماره 1 - ( 4-1387 )
جلد 27 شماره 1 صفحات 141-135 |
برگشت به فهرست نسخه ها
Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
T. Shahrabi Farahani, V. Baigi and S. A. Lajevardi. Prediction of Time to Failure in SCC of 304 Stainless Steel in Aqueous Chloride Solution Using Neural Network. Journal of Advanced Materials in Engineering (Esteghlal) 2008; 27 (1) :135-141
URL: http://jame.iut.ac.ir/article-1-446-fa.html
URL: http://jame.iut.ac.ir/article-1-446-fa.html
تقی شهرابی‌فراهانی ، وحید بایگی و سیداحمد لاجوردی . پیش بینی زمان شکست در خوردگی تنشی فولاد زنگ نزن 304 در محیطهای آبی کلریدی توسط شبکه‌های عصبی مصنوعی. نشریه علمی پژوهشی مواد پیشرفته در مهندسی. 1387; 27 (1) :135-141
چکیده: (7041 مشاهده)
یکی از موارد پیچیده و در عین حال مهم در مطالعات خوردگی تنشی آلیاژها، تعیین وقوع یا عدم وقوع خوردگی تنشی و تعیین زمان شکست آن است. علی‌رغم انجام تحقیقات وسیع در این زمینه، هنوز فرمولبندی یا روش مطمئنی برای تخمین وقوع خوردگی تنشی و همچنین تعیین زمان شکست در اثر خوردگی تنشی ارائه نشده است. در این مقاله، توانایی شبکه‌های عصبی مصنوعی در تعیین زمان شکست فولاد زنگ نزن آستنیتی 304 بر اثر خوردگی تنشی در محیطهای آبی کلریدی داغ به همراه تحلیل حساسیت پارامترهای کلیدی ارائه شده است. پارامترهایی که در این تحقیق به عنوان ورودی شبکه عصبی مصنوعی مورد بررسی قرار گرفته اند شامل دما، غلظت کلر و میزان تنش اعمالی است. همچنین از زمان شکست نیز به عنوان پارامتر خروجی و معیار کلیدی در ارزیابی پارامترهای اثرگذار استفاده شد. راندمان آماری این شبکه میانگین سه مجموعه آموزش و آزمایش است. همچنین برای آزمایش شبکه از داده‌هایی استفاده شد که جزء داده‌های آموزشی نبودند. نتایج حاصل از خروجی شبکه نشان داد که مدل پیشنهادی توانایی پیش بینی زمان شکست را با واریانس 74٪ از داده‌های واقعی داراست.
واژه‌های کلیدی: شبکه عصبی مصنوعی، خوردگی تنشی، فولاد زنگ نزن 304، زمان شکست، غلظت یون کلر و تنش اعمالی
