fa بهینه سازی پارامتر های جوشکاری قوسی تنگستن-گاز جهت توسعه پوشش ترکیب NiAl توسط شبکه عصبی و الگوریتم ژنتیک تخصصي Special پژوهشي Research <p dir="RTL" style="margin-right:-.35pt;">در این پژوهش به منظور تولید و توسعه پوشش ترکیب بین فلزی <span dir="LTR">NiAl</span> با بهترین رفتار سایشی و بیشترین میزان سختی از مدل سازی شبکه عصبی مصنوعی و الگوریتم ژنتیک استفاده شد. تاثیر تغییر پارامترهای شدت جریان، ولتاژ و جریان گاز محافظ روی سختی و مقاومت سایشی با استفاده از این مدل ها و الگوریتم ژنتیک&nbsp; بهینه سازی شد. در ادامه مقادیر بهینه برای شدت جریان، ولتاژ و جریان گاز محافظ به<br> ترتیب<span dir="LTR">(A)</span> م90،<span dir="LTR">(V) </span>10 و <span dir="LTR">Lit/min</span>9 بدست آمد. سپس رفتار سایشی در دمای محیط و دمای بالای ترکیب <span dir="LTR">NiAl</span> تولید شده&nbsp; با پارامترهای&nbsp; بهینه و دو نمونه دیگر از آزمایشات با یکدیگر مقایسه شد.</p> <p>In this research, artificial neural network (ANN) and genetic algorithm (GA) were used in order to produce and develop the NiAl intermetallic coating with the best wear behavior and the most value of hardness. The effect of variations of current, voltage and gas flow on the hardness and wear resistance were optimized by ANN and GA. In the following, the optimum &nbsp;values of current, voltage and gas flow were obtained 90(A), 10(v) and 9 (Lit/min), respectively. Then, the wear behavior in the environment temperature and high temperature for optimized NiAl compound was compared with two other experimental samples.</p> ترکیب بین فلزی NiAl, روکش کاری جوشی, شبکه های عصبی مصنوعی, الگوریتم ژنتیک, سایش دما بالا Intermetallic NiAl compound, Cladding, Artificial neural networks, Genetic algorithm, High temperature wear 56 70 http://jwsti.iut.ac.ir/browse.php?a_code=A-10-1-24&slc_lang=fa&sid=1 Hamid Gharaei حمید قارایی h.gharaei@ma.iut.ac.ir Yes Mahdi Salehi مهدی صالحی No Mehran Nahvi مهران نحوی No Behzad Sadeghian بهزاد صادقیان No