10135

استفاده از روش هاي مبتني بر داده در پيش بيني شكست قطعات ساخته شده به كمك افزايشي

كارشناسي

مهندسي مكانيك

1404

دكتر مجيد رضا آيت اللهي

1404/08/26

مهندسي مكانيك

Data-Driven Prediction of Failure Load in Additively Manufactured Components Using Machine Learning Approaches

ساخت افزايشي به‌ عنوان يكي از فناوري‌هاي نوين توليد، به دليل مزايايي همچون كاهش وزن قطعات، امكان ساخت اشكال پيچيده، و كاهش ضايعات مواد، به‌سرعت جايگاه ويژه ‌اي در صنايع هوافضا، پزشكي، خودروسازي و توليد قطعات مهندسي پيدا كرده است. با وجود اين مزايا، قطعات توليدشده به روش ساخت افزايشي به دليل ماهيت لايه‌به‌لايه و وابستگي به پارامترهاي فرآيند، مستعد بروز عيوب داخلي و كاهش مقاومت مكانيكي هستند. پيش‌بيني شكست اين قطعات، به‌ويژه تحت بارگذاري‌هاي پيچيده، براي افزايش ايمني و قابليت اطمينان محصولات ضروري است. روش‌هاي سنتي پيش‌بيني شكست، شامل انجام آزمايش‌هاي مكانيكي و شبيه‌سازي‌هاي عددي مبتني بر روش اجزاي محدود، معمولاً زمان‌بر، پرهزينه و نيازمند تخصص بالا هستند. علاوه بر اين، وابستگي شديد نتايج به شرايط محيطي و مشخصات دقيق فرآيند ساخت، مي‌تواند موجب كاهش دقت پيش‌بيني‌ها شود. در سال‌هاي اخير، رويكردهاي داده‌محور و به‌ويژه الگوريتم‌هاي يادگيري ماشين، به‌عنوان ابزارهاي قدرتمند براي مدل‌سازي رفتار مكانيكي مواد معرفي شده‌اند. اين روش‌ها با تحليل حجم بالايي از داده‌هاي تجربي و استخراج الگوهاي پنهان، امكان پيش‌بيني دقيق بار شكست و رفتار شكست قطعات ساخته‌شده به روش ساخت افزايشي را فراهم مي‌كنند، بدون نياز به آزمايش‌هاي فيزيكي گسترده يا شبيه‌سازي‌هاي پيچيده. در اين پژوهش، با استفاده از مجموعه‌داده‌هاي به‌دست‌آمده از آزمون‌هاي مكانيكي بر روي نمونه‌هاي چاپ سه‌بعدي‌شده جمعا 150 عدد داده جمع آوري شد.در اين بين مشخصه هاي مكانيك شكست همچون ضرايب شدت تنش و چقرمگي شكست از مهم ترين داده هاي جمع آوري شده بودند. مدل‌هاي يادگيري ماشين توسعه داده شده و توسط توابع مختلف بهينه شده و عملكرد آن‌ها در پيش‌بيني بار شكست ارزيابي شده است. نتيجه R^2=0.915 روي داده هاي آزمايش نشان مي‌دهد كه استفاده از اين رويكرد مي‌تواند دقت پيش‌بيني را به‌طور قابل‌توجهي افزايش دهد و زمان و هزينه لازم براي ارزيابي مكانيكي قطعات را كاهش دهد. در نهايت، امكان پياده‌سازي اين مدل‌ها در قالب وب‌اپليكيشن يا نرم‌افزارهاي مهندسي، زمينه استفاده گسترده‌تر از اين فناوري را براي طراحان و مهندسان فراهم مي‌سازد.

ساخت افزايشي , مكانيك شكست , يادگيري ماشين , ضرايب شدت تنش , پيش بيني شكست