|
عنوان
|
مدل پیش بینی اصطکاک آلیاژهای پایه منیزیم با استفاده از الگوریتمهای یادگیری ماشین
|
|
نوع پژوهش
|
مقاله ارائه شده کنفرانسی
|
|
کلیدواژه‌ها
|
ضریب اصطکاک،یادگیری ماشین، تریبولوژی، خواص مکانیکی، آلیاژهای منیزیم
|
|
چکیده
|
روشهای داده محور مانند الگوریتمهای یادگیری ماشین توانایی و قابلیت بررسی تاثیر خواص مکانیکی، سرعت لغزش، مسافت لغزش و بار عمودی به طور همزمان بر ضریب اصطکاک را دارا هستند. پیش بینی ضریب اصطکاک با استفاده از روشهای مذکور، بهره گیری از آزمون های هزینه بر و زمان بر مهندسی مربوط به خواص تریبولوژیکی را کاهش می دهند. در پژوهش حاضر، الگوریتم های شبکه عصبی مصنوعی، نزدیکترین همسایگی، جنگل تصادفی، گرادیان بوستینگ و ماشین بردار پشتیبان به منظور پیش بینی ضریب اصطکاک آلیاژهای منیزیم به کار گرفته شدند. نتایج حاکی از عملکرد قابل قبول الگوریتم های مورد استفاده در جهت پیش بینی ضریب اصطکاک است. بهترین عملکرد مربوط به الگوریتم گرادیان بوستینگ با دقت 86 درصد است. همچنین پارامترهای بارعمودی، شکل پذیری و مدول الاستیک به عنوان موثرترین پارامترها بر ضریب اصطکاک ارائه شدند.
|
|
پژوهشگران
|
نگار باقریه (نفر اول)، میثم نوری (نفر دوم)، مسلم نوری (نفر سوم)
|