پیش بینی سفتی کامپوزیت های الیاف کوتاه با استفاده از روش های هوش مصنوعی
چکیده
کامپوزیت های الیاف کوتاه به دلیل آسانی پروسه تولید و پایین تر بودن هزینه ی ساخت، یکی از پرکاربردترین انواع کامپوزیت ها می باشند.از سویی دیگر ماهیت فرآیندهایی که برای تولید این نوع کامپوزیت ها به کار گرفته می شود،به عنوان مثال روش قالبگیری تزریقی، به گونه ای است که باعث ایجاد حالت راندم در مقادیر طول الیاف و آرایش یافتگی آن ها می شود. به این ترتیب بر خلاف کامپوزیت های الیاف بلند، در این نوع از کامپوزیت ها، طول و آرایش یافتگی الیاف حالت یکنواخت نداشته و لذا به منظور محاسبه ی خواص مکانیکی این مواد، لازم است توزیع مقادیر طول و زاویه الیاف با جهت بارگذاری در نظر گرفته شود. در کنار عوامل ذکر شده، وجود اثر انتها در کامپوزیت های الیاف کوتاه سبب ایجاد ضرورت برای یافتن مدلی متفاوت با تئوری های کامپوزیت های الیاف بلند، جهت محاسبه ی خواص مکانیکی این مواد می شود. به این منظور تا کنون تحقیقات زیادی صورت گرفته است که از آن جمله می توان به بکار گیری روش المان محدود و یا تصحیح معادله ی اختلاط از طریق ضرب فاکتورهای اعمال کننده ی تاثیر توزیع طولی و توزیع آرایش یافتگی، اشاره نمود. با توجه به فرضیات محدود کننده ی روش های موجود و نیز به منظور افزایش دقت پیش بینی در برخی از آن ها، در این تحقیق هدف بررسی قابلیت روش شبکه عصبی به منظور پیش بینی سفتی کامپوزیت های الیاف کوتاه می باشد . مزیت اصلی این روش نسبت به سایر روش ها عدم وجود هر نوع پیش فرض محدود کننده و نیز قابلیت این روش جهت تعیین موثرترین پارامتر بر روی میزان سفتی می باشد. لذا به منظور جمع آوری داده جهت آموزش و تست شبکه عصبی، در این تحقیق ابتدا نمونه های کامپوزیت الیاف کوتاه پلی پروپیلن و شیشه ساخته شد، سپس توزیع طولی وتوزیع آرایش یافتگی الیاف در این کامپوزیت ها به کمک آنالیز تصویر اندازه گیری شد، بعد از آن اندازه گیری مدول الاستیسیته ی طولی کامپوزیت ها انجام شد و در مرحله ی بعد ساختارهای مختلف شبکه عصبی توسط داده های جمع آوری شده آموزش و تست شد و بهترین ساختار شبکه عصبی تعیین گردید. به منظور ارزیابی قابلیت پیش بینی مدول الاستیک طولی کامپوزیت های الیاف کوتاه توسط مدل های مختلف و مدل بدست آمده از شبکه عصبی، چهار مدل میکرومکانیکی به داده های جمع آوری شده اعمال شد و از طریق مقایسه ی مقادیر محاسبه شده ی مدول توسط این مدل ها و نتایج تجربی، تمامی این مدل ها مورد ارزیابی قرار گرفتند. پس از طی مراحل گفته شده، نتایج بدست آمده توسط خطای مورد سنجش قرار گرفت و مشخص شد که بر اساس نتایج بدست آمده در این تحقیق، مدل (paper physics approach) ppa با مقدار خطای 7206/0 بالاترین دقت را در پیش بینی نشان می دهد و پس از آن به ترتیب مدل (laminate analogy approach) laa با مقدار خطای 0673/1 و با اختلاف کمی مدل بدست آمده به روش شبکه عصبی با مقدار خطای 1331/1 قرار دارد. قاعده ی سرانگشتی و مدل کاکس-کرنچل به ترتیب با مقدار خطای 2643/1 و 4230/1 در اولویت های بعدی قرار دارند. به این ترتیب بر اساس نتایج بدست آمده در این تحقیق، بهترین مدل به منظور محاسبه ی مدول الاستیک طولی کامپوزیت های الیااف کوتاه، مدل ppa است که بر اساس مقدار خطای آن بهتر از سایر مدل ها عمل می کند. هم چنین نتایج نشان می دهدکه قاعده ی سرانگشتی به ازای مقادیر پایین درصد تقویت کننده (کسر وزنی 10% و 20%) یک روش آسان به منظور محاسبه ی مدول طولی کامپوزیت های الیاف کوتاه می باشد. علاوه بر این مدل بدست آمده به روش شبکه عصبی، قابلیت این روش جهت پیش بینی مدول الاستیک طولی کامپوزیت های الیاف کوتاه را به اثبات می رساند