شماره ركورد كنفرانس :
3356
عنوان مقاله :
بررسي رفتار تغيير شكل گرم آلياژ AZ91 منيزيم ريختگي به كمك الگوريتم ژنتيك
عنوان به زبان ديگر :
An investigation to hot deformation behavior of AZ91cast alloy by genetic algorithm method
پديدآورندگان :
سبك پا اميد دانشگاه تهران - دانشكده مهندسي مواد و متالورژي , زارعي هنزكي عباس دانشگاه تهران - دانشكده مهندسي مواد و متالورژي , عابدي حميدرضا دانشگاه تهران - دانشكده مهندسي مواد و متالورژي , شريفي فر مسعود دانشگاه تهران - دانشكده مهندسي مواد و متالورژي
كليدواژه :
شرايط ترمومكانيكي , تابع شايستگي , الگوريتم ژنتيك , آلياژ AZ91
عنوان كنفرانس :
پنجمين همايش مشترك انجمن مهندسين متالورژي و جامعه علمي ريخته گري ايران
چكيده فارسي :
در پژوهش حاضر رفتار تغيير شكل گرم الياژ منيزيم AZ91 ريختگي به كمك روش الگوريتم ژنتيك مورد بررسي قرار گرفته است. به همين منظور آزمايش فشار گرم در محدوده دمايي 450-250 درجه سانتيگراد و نرخ كرنش هاي اوليه 0/0001S-1 و 0/001 و 0/01 برنامه ريزي و انجام شده است. مقادير تنش و كرنش پيك نمودارهاي تنش - كرنش حقيقي به عنوان پارامترهاي ورودي فرايند شبيه سازي الگوريتم ژنتيك مورد استفاده قرار گرفت. سپس با پيش بيني تابع شايستگي مناسب، مقادير تنش و كرنش پيك در ديگر شرايط ترمومكانيكي پيش بيني شده و شرايط بهينه تركيب دما و نرخ كرنش پيشنهاد شد. نتايج بدست آمده نشان مي دهد داده هاي حاصل از آزمايش هاي تجربي با دقت قابل قبولي توسط مدل به دست آمده از الگوريتم هاي ژنتيك قابل پيش بيني هستند.
چكيده لاتين :
In the present work the genetic algorithm method has been employed to study the hot
deformation behavior of AZ91 cast magnesium alloy. Hot compression tests were carried out at
temperature range of 250-450 °C and initial strain rates of 10-2, 10-3 and 10Q4 sQ1. Peak stress and peak
strain values obtained from true stress-true strain curves were utilized as input parameters to simulate the
process by genetic algorithm. By prediction of the appropriate fitness function, peak values were
determined at different deformation conditions and optimal conditions of temperature and strain rate were
proposed. The results indicated an acceptable agreement between the numerical and experimental results
at each loading condition which can be considered as a criterion to validate the genetic algorithm method.