پیش بینی رفتار خستگی آلیاژ بیومدیکال Ti6Al4V ELI ساجمه زنی شده با استفاده از شبکه های عصبی مصنوعی
در این تحقیق یک مدل شبکه عصبی مصنوعی برای پیش بینی عمر خستگی، تنش پسماند و شدت آلمن ناشی از زمانهای مختلف ساچمه زنی بر روی نمونه های آلیاژ بیومدیکال Ti6Al4V ELI که فرآیند ساچمه زنی بر روی آن انجام گرفته بود، طراحی و آموزش داده شد. این شبکه به صورت پیشخور طراحی و در آن به منظور حداقل کردن میزان خطا از الگوریتم پسخور استفاده گردید.
بهینه سازی پارامترهای موثر در میزان تنش پسماند فشاری در فرآیند نورد سرد سطحی بر روی ملخهای آلومینیومی
شکستهای ناشی از خستگی بخاطر تنشهای کششی ایجاد می شود. بنابراین هر عملیاتی که باعث کاهش تنش کششی شود حد دوام خستگی را بالا میبرد. عملیاتهایی نظیر ساچمه زنی، چکش کاری و نورد سرد باعث ایجاد تنش پسماند فشاری در سطح قطعه می شود