دوره 4، شماره 1 - ( نشریه علوم و فناوری جوشکاری ایران 1396 )                   جلد 4 شماره 1 صفحات 88-98 | برگشت به فهرست نسخه ها


XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Sadeghian B, Taherizadeh A, Atapour M, Salehi T, Nosouhian M. Simulation and modeling of friction welding of stainless steel to aluminum alloy using finite element method and artificial neural network . JWSTI. 2017; 4 (1) :88-98
URL: http://jwsti.iut.ac.ir/article-1-144-fa.html
صادقیان بهزاد، طاهری زاده ابوذر، عطاپور مسعود، صالحی طلیعه، نصوحیان مجید. شبیه‌سازی جوشکاری اصطکاکی فولاد زنگ‌نزن به آلیاژ آلومینیوم با روش المان محدود و شبکه عصبی مصنوعی. علوم و فناوری جوشکاری ایران. 1396; 4 (1) :88-98

URL: http://jwsti.iut.ac.ir/article-1-144-fa.html


چکیده:   (110 مشاهده)
اتصال آلیاژهای آلومینیوم به فولادها به‌منظور کاهش مصرف سوخت در صنعت بسیار مورد توجه قرار گرفته است. از آن‌جاکه جوشکاری‌های ذوبی برای این اتصالات چندان مناسب نمی باشند، از این رو محققین به جوشکاری های حالت جامد از جمله جوشکاری اصطکاکی روی
آورده‌اند. با این اوصاف، باز هم احتمال تشکیل ترکیبات بین‌فلزی در فصل مشترک اتصال وجود دارد. در تحقیقات پیشین تشکیل ترکیباتی از جمله
FeAl3، Fe2Al5 و Fe4Al13 در حین این جوشکاری گزارش شده است. در این تحقیق با ساخت مدلی عددی با المان محدود به بررسی اثر پارامترهای مختلف بر حرارت ایجاد شده در فصل مشترک و توزیع حرارت در قطعات که منجر به تشکیل این ترکیبات می شود پرداخته شده است. به‌علاوه، با ساخت مدلی ریاضی با استفاده از شبکه عصبی به مدلسازی پارامترهای این جوشکاری در اتصال غیرمشابه فولاد زنگ‌نزن به آلیاژ آلومینیوم پرداخته شده است. درنهایت مشاهده گردید نقطه بهینه فرایند در سطح میانی پارامترهای انتخابی قرار گرفته است.
     
نوع مطالعه: پژوهشي | موضوع مقاله: تخصصي

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
کد امنیتی را در کادر بنویسید

کلیه حقوق این وب سایت متعلق به مجله علمی-پژوهشی علوم و فناوری جوشکاری ایران می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2015 All Rights Reserved | Journal of Welding Science and Technology of Iran

Designed & Developed by : Yektaweb