روش های شناسایی و آنالیز مواد

روش های شناسایی و آنالیز مواد


بخشی از متن:
Materials Characterization and Analysis Methods
واژه ی Characterization هنگامی که در علم مواد مورد استفاده قرار گیرد، به معنای استفاده از تکنیک های خارجی جهت کاوش در ساختمان داخلی و خواص ماده است. تکنیک های تحلیلی مورد استفاده در شناسایی مواد برای رسیدن به تصویر بزرگ شده ای از نمونه است. این تصویر به دست آمده از ساختار داخلی موجب رسیدن ما به اطلاعات مهمی از جمله: توپوگرافی، توزیع و فراوانی عناصر موجود در نمونه و فعل و انفعالات این عناصر (فازهای تشکیل دهنده ی ماده) می گردد [1].
در مطالعه ی هر مطلبی طبقه بندی کردن یکی از بهترین راه ها در جهت درک و یادگیری بهتر مطلب است. در زمینه شناسایی و آنالیز مواد نیز طبقه بندی های مختلفی وجود دارد؛ که بنابر هدف نویسنده از ارائه مطلب، نحوه ی دسته بندی مطلب نیز متفاوت است. مثلاً در برخی از کتاب ها طبقه بندی را براساس ماهیت شناسایی انجام می دهند. براساس این تقسیم بندی که حالتی کلی از بیان روشهای شناسایی و آنالیز مواد را دارد، روش های شناسایی به صورت زیر تقسیم بندی می شوند.

بخشی از فهرست مطالب:
شناسایی و آنالیز مواد
آنالیز عنصری
آنالیز فازی
آنالیز ریز ساختار
میکروسکوپ نوری (OM)
 میکروسکوپ الکترونی روبشی (SEM)
 میکروسکوپ الکترونی عبوری (TEM)
 میکروسکوپ نیروی اتمی (AFM)
میکروسکوپ روبشی تونلی (STM)
 میکروسکوپ یون میدانی (FIM)

تعداد مشاهده: 1237 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: docx

تعداد صفحات: 48

حجم فایل:357 کیلوبایت

 قیمت: 3,000 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 ورد و قابل ویرایش

بررسی خواص پوشش های کامپوزیتی برنز آلومینا

بررسی خواص پوشش های کامپوزیتی برنز آلومینا


بررسی خواص پوشش های کامپوزیتی برنز آلومینای بدست آمده از حمام آبکاری الکتریکی سیانیدی حاوی ذرات آلومینا

چکیده:

دراین تحقیق که مشتمل بردو بخش است دربخش اول پوششهای برنز بدون استفاده از ذرات آلومینا درحمام آبکاری ایجاد شده و تاثیر دانسیته جریان برضخامت و ظاهر پوشش ها بررسی گردید. در بخش دوم پوششهای کامپوزیتی برنز و آلومینابا استفادها ز مقادیر متفاوت ذرات آلومینا در حمام ایجاد شد و تاثیر دانسیته جریان و غلظت ذرات آلومینا درحمام برمیکروسختی ضخامت و ظاهر پوشش ها مورد بررسی قرارگرفت. دربخش اول تحقیق چنین حاصل شد که با زیادتر شدن دانسیته جریان ضخامت پوشش ها افزایش می یابد و ظاهر پوشش ها از رنگ تیره تر به رنگ روشن تر تمایل پیدا می کند در بخش دوم تحقیق هم چنین حاصل شد که با افزایش غلظت ذرات آلومینا درحمان آبکاری برسختی پوشش ها افزوده می شود این بدلیل این است که افزایش غلظت آلومینا درحمان باعث می گردد که مقدار حجمیذرات آلومینا درپوشش زیادتر شده و درنتیجه سختی پوشش بالا رود.
نویسندگان: وحید رمضانی، شاهین خامنه اصل، محمدرضا ساقی بیرق

تعداد مشاهده: 1026 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: pdf

تعداد صفحات: 12

حجم فایل:113 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

بررسی خواص مکانیکی چرخدنده سر میل سوپاپ تهیه شده به روش متالورژی پودر در تماس به زنجیر موتور

بررسی خواص مکانیکی چرخدنده سر میل سوپاپ تهیه شده به روش متالورژی پودر در تماس به زنجیر موتور


چکیده:
در این مقاله خواص مکانیکی سطح مقطع چرخدنده سرمیل سوپاپ تهیه شده به روش متالورژی پودر با چگالیهای متفاوت، در تماس با زنجیر موتور به کمک روش المان محدود مورد بررسی قرار گرفته است. تاثیر چگالی و بدنبال آن تاثیر درصد تخلخلها بروی خواص مکانیکی شامل مدول یانگ، استحکام کششی، تنش تسلیم، تنش ماکزیمم von mises و تنش تماسی بررسی شده و نتایج بدست آمده از مدلسازی با نتایج حاصل از آزمایشات عملی مقایسه گردیده است. نتایج بررسیها نشان می دهد که با کاهش درصد تخلخلها و بدنبال آن افزایش چگالی، مدول یانگ، استحکام کششی، تنش تسلیم، تنش ماکزیمم von mises و میزان تنش تماسی افزایش می یابند. برای محاسبه تنشهای تماسی ایجاد شده بین چرخدنده و زنجیر چرخ، روش کلی نیوتون رافسون استفاده شده و تمامی تحلیلهای فوق بصورت دوبعدی و با استفاده از نرم افزار ANSYS انجام شده است. بطور کلی نتایج آزمایشات علمی و همچنین نتایج حاصل از مدل ارائه شده در محدوده الاستیک دارای تطابق خوبی با یکدیگر می باشند.
نویسندگان: مریم علیزاده، حمید خرسند، علی شکوه فر

تعداد مشاهده: 1106 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: pdf

تعداد صفحات: 13

حجم فایل:287 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

تعیین درصد حجمی فازهای اصلی تشکیل دهنده آلیاژهای تیتانیوم β+α توسط هوش مصنوعی (AI)

تعیین درصد حجمی فازهای اصلی تشکیل دهنده آلیاژهای تیتانیوم β+α توسط هوش مصنوعی (AI)


تعیین درصد حجمی فازهای اصلی تشکیل دهنده آلیاژهای تیتانیوم β+α توسط هوش مصنوعی AI) -Artificial Intelligence)

چکیده:
امروزه آلیاژهای تیتانیوم به علت دارا بودن مجموعه ای از خواص منحصر به فرد نظیر دانسیته پایین، نسبت استحکام به وزن بالا، مقاومت به خوردگی و مقاومت به سایش بالا در صنایع مختلفی مانند هوافضا، کاغذسازی، خودرو سازی و دیگر صنایع کاربرد داشته و بسیار مورد توجه است. عمدتا در این نوع آلیاژها فاز زمینه α با ساختار hcp و فاز β با ساختار bcc تشکیل دهنده ریز ساختار آلیاژ مذکور میباشد که بسته به درصد نسبی این دو فاز نوع کاربری آنها نیز در صنایع مختلف دستخوش تغییرات اساسی می شود. در این تحقیق از روش شبکه های عصبی مصنوعی Feed (Forward Neural Network (FFNN با قانون آموزش (Back Propagation (BP که از شاخه های جدید هوش مصنوعی Artificial Intelligence است برای تخمین جامع مقدار فاز β استفاده شده است. در این شبکه ترکیب شیمیایی آلیاژ که شامل عناصر مختلف آلیاژی نظیر Al,V,Fe,O و دمای عملیات حرارتی به عنوان ورودی و درصد حجمی فاز β به عنوان خروجی مورد بررسی و مطالعه قرار گرفته است. مقایسه بین مقادیر پیش بینی شده توسط شبکه طراحی شده در این تحقیق و مقادیر تجربی دلالت بر کارا بودن این مدل در این نوع آلیاژها دارد که در این پژوهش به تفصیل ارائه شده است.
نویسندگان: مهدی ارجمندی بهزاد، سیدحسین ساداتی، حمید خرسند، حسن عبدوس

تعداد مشاهده: 556 مشاهده

فرمت فایل دانلودی:.zip

فرمت فایل اصلی: pdf

تعداد صفحات: 11

حجم فایل:211 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