مقايسه روش هاي رگرسيون، كلوني زنبورعسل و شبكه عصبي مصنوعي در پيش بيني پرشدگي قالب در مهرزني صفحات دوقطبي پيل سوختي

افزايش عمق ميكروكانال‌هاي صفحات دوقطبي فلزي در پيل هاي سوختي غشاء پروتون منجر به افزايش بازده خواهد شد. در اين پژوهش، از فرآيند مهرزني براي ساخت صفحات دوقطبي از جنس تيتانيوم خالص تجاري با الگوي شياري موازي مستقيم استفاده‌شده است. تأثير پارامترهاي فرآيند شامل لقي قالب، سرعت شكل دهي و ضريب اصطكاك بين ورق و قالب بر روي نرخ پرشدگي و ميزان نازك شدگي صفحات دوقطبي بررسي شد. آزمايش هاي لازم با استفاده از روش رويه پاسخ طراحي، با استفاده از مدل اجزاي محدود صحت سنجي شده اجرا و خروجي هاي موردنظر استخراج شدند. سپس با استفاده از روش رگرسيون، يك معادله درجه دوم براي پيش بيني نرخ پرشدگي بر اساس پارامترهاي ورودي ارائه شد. در ادامه با استفاده از الگوريتم كلوني زنبورعسل مصنوعي، ضرايب معادله مذكور بهبوديافته و ميزان خطاي آن در حدود 53% كاهش يافت. در پايان نيز از يك شبكه عصبي مصنوعي براي پيش بيني نرخ پرشدگي استفاده شد. نتايج نشان داد كه شبكه عصبي پيشنهادي بسيار مؤثر بوده و با دقت بسيار بالايي نرخ پرشدگي ميكروكانال را تقريب مي زند.