بررسی خواص تریبولوژیکی فولاد گرم کارAISI H 13 کربن- بوردهی شده توسط روش پلاسمای الکترولیتی

بررسی خواص تریبولوژیکی فولاد گرم کارAISI H 13 کربن- بوردهی شده توسط روش پلاسمای الکترولیتی


چکیده:
فرآیند کربن- بور دهی در محیط پلاسمایی الکترولیتی به عنوان یک روش جدید در زمینه سخت کاری فولاد مطرح است. در طی این فرآیند یک منبع ولتاژ قوی با جریان یکسو شده و الکترولیت مرتبط باعملیات استفاده می شود. خاصیت بارز این روش، ایجاد تخلیه دی الکتریک روی قطعه کار در ولتاژهای بالا و نیز الکترولیز الکترولیت مربوطه است. در فرایند کربن- بور دهی در محیط پلاسمایی الکترولیتی،الکترولیت شامل ترکیبات دارای کربن و بور است. تخلیه الکتریکی در اطراف کاتد باعث ایجاد محیط گازی یونیزه اشباع و یا پلاسما اطراف قطعه کار می شود. ذرات ایجاد شده در محیط پلاسما سطحنمونه را بمباران نموده و باعث ایجاد لایه های نفوذی در داخل قطعه کار می شود. در این تحقیق خواص سایشی پوشش و میکرو سختی آن به ترتیب توسط روش Pin-On-Disk و نیز آزمایش میکرو سختی انجام شد. نتایج آزمایشات نشان دهنده بهبود خواص سایشی وسختی نمونه های مورد عملیات قرار گرفته است. خواص بدست آمده به دلیل ایجاد لایه های داخلی در نمونه ها می باشد که منشاء بهبود خواص سایشی و افزایش سختی نمونه های مورد عملیات قرار گرفته است.
نویسندگان: محمود علی اف خضرایی، علیرضا صبورروح اقدم

تعداد مشاهده: 485 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: pdf

تعداد صفحات: 10

حجم فایل:131 کیلوبایت

 قیمت: 1,900 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب جهت استفاده دانشجویان رشته متالوژی


  • محتوای فایل دانلودی:
    در قالب PDF

استفاده از مدل شبکه های عصبی مصنوعی در پیشبینی سختی قطعات فولادی تولید شده به روش متالوژی پودر

استفاده از مدل شبکه های عصبی مصنوعی در پیشبینی سختی قطعات فولادی تولید شده به روش متالوژی پودر


چکیده:
ریز ساختار مواد تولید شده به روش متالورژی پودر از دو بخش اصلی 1- فازهای زمینه و 2- تخلخل تشکیل شده است. این تخلخل ها به عنوان مراکز تمرکز تنش و کاهش دهنده سطح تحمل بار ایفای نقش کرده و از این رو باعث افت و کاهش خواص مکانیکی میشوند. سختی یکی از مشخصه های مهم مکانیکی است که در قطعات متالورژی پودر به شدت تحت تاثیر و درصد تخلخلهای موجود است که این امر منجر به بروز مشکلاتی در اندازه گیری سختی این نمونه ها میشود. البته برای بعضی حالات خاص یک سری روابط خطی با درصد تخلخل وجود دارد که با خطای زیادی همراه است. ما در این تحقیق سعی کرده ایم که به کمک مدل شبکه های عصبی مصنوعی Feed Forward Neural Network که با الگوریتم آموزش Back Propagation آموزش دیده است مقدار سختی را در قطعات متالورژی پودر با توجه به پارامترهایی نظیر دانسیته- ترکیب شیمیایی و شرایط تولید (شامل دمای زینتر و نوع سرد کردن) و عملیات حرارتی (انجام یا عدم انجام عملیات حرارتی) تعیین و پیشبینی کنیم و به این روش از انجام آزمایشاتی که ممکن است سخت، پر هزینه و همراه با خطا است جلوگیری کنیم.
نویسندگان: مهدی ارجمندی بهزاد، حمید خرسند، سید حسین ساداتی، حسین عبدوس

تعداد مشاهده: 794 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: pdf

تعداد صفحات: 11

حجم فایل:204 کیلوبایت

 قیمت: 1,900 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.   پرداخت و دریافت فایل
  • راهنمای استفاده:
    مناسب جهت استفاده دانشجویان رشته متالوژی

  • محتوای فایل دانلودی:
    در قالب pdf