تخمین پارامترهای موثر در تراکم مصالح سنگی بدنه سدهای خاکی با استفاده از شبکه های عصبی مصنوعی

اختصاصی از کوشا فایل تخمین پارامترهای موثر در تراکم مصالح سنگی بدنه سدهای خاکی با استفاده از شبکه های عصبی مصنوعی دانلود با لینک مستقیم و پرسرعت .

پایان نامه کارشناسی ارشد مهندسی عمران تخمین آبشستگی در پایین دست جت ریزشی با استفاده از شبکه عصبی

اختصاصی از کوشا فایل پایان نامه کارشناسی ارشد مهندسی عمران تخمین آبشستگی در پایین دست جت ریزشی با استفاده از شبکه عصبی دانلود با لینک مستقیم و پرسرعت .

دانلود پایان نامه کارشناسی ارشد مهندسی عمران تخمین آبشستگی در پایین دست جت ریزشی با استفاده از شبکه عصبی با فرمت pdfدر 160صفحه.

این پایان نامه جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی عمران طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز پایان نامه ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این پایان نامه را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده از منابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.                                                 

طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی

اختصاصی از کوشا فایل طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی دانلود با لینک مستقیم و پرسرعت .

چکیده :

سیستم حمل و نقل هوشمند (ITS)، یکی از راهکارهای حل و تخفیف مشکلات مرتبط با حمل و نقل و ترافیک محسوب می‌شود، این سیستم از بخش‌های مختلف نرم‌افزاری و سخت‌افزاری تشکیل شده است که مدل تخمین جریان ترافیک در کوتاه مدت یکی از این بخش‌ها می‌باشد. این مدل با استفاده از اطلاعات وضعیت فعلی ترافیک هر معبر ( حجم ترافیک عبوری از معبر که توسط سنسورها برداشت می‌شود )، حجم عبوری از معبر در فواصل زمانی کوتاه مدت آتی را پیش‌بینی می‌کند. آگاهی از وضعیت پیش‌بینی شده برای جریان ترافیک در بخش‌های مدیریت ترافیک و اطلاع رسانی به مسافران از اهمیت بسیاری برخوردار است و هدف اصلی این تحقیق نیز ارائه مدل‌هایی برای پیش‌بینی جریان ترافیک در فواصل زمانی ۵، ۱۰، ۱۵ و ۳۰ دقیقه آینده است.

در این تحقیق روشی دو مرحله‌ای برای طراحی مدل پیش‌بینی جریان ترافیک پیشنهاد شده است. در مرحله نخست، با استفاده از روش شبکه‌های عصبی به عنوان یکی از ارکان هوش محاسباتی، از توانایی پیش‌بینی پدیده‌های مختلف برخوردار است، اما این توانایی تنها زمانی حاصل می‌شود که اجزای شبکه عصبی به درستی انتخاب شده و شبکه عصبی با استفاده از روش مناسبی آموزش داده شده باشد. طی این تحقیق ضمن بیان نحوه دستیابی به یک شبکه عصبی مناسب، اجزای مناسب برای مدل‌های پیش‌بینی جریان ترافیک شامل توابع انتقال و روش آموزش تعیین می‌شود.

الگوریتم ژنتیک روشی ابتکاری است که از نحوه تکامل موجودات در طبیعت الهام گرفته شده است و برای حل مسائل بهینه سازی بکار می‌رود. در این تحقیق ضمن بهینه سازی شبکه‌های عصبی به کمک الگوریتم ژنتیک، سهم عملگرهای ژنتیکی و اندازه جمعیت مناسب برای بهینه سازی شبکه‌های عصبی تعیین می‌شود.

فهرست مطالب :

فصل اول : تعریف مساله و کلیات

۱-۱ مقدمه

۱-۲ سیستم حمل و نقل هوشمند و ساختار آن

۱-۳ مدیریت سفر و ترافیک

۱-۳-۱ کنترل ترافیک

۱-۳-۲ سیستم اطلاع رسانی به مسافران

۱-۴ تعریف تخمین کوتاه مدت جریان ترافیک

۱-۵ شبکه های عصبی

۱-۶ بهبود ساختار شبکه عصبی به کمک الگوریتم ژنتیک

۱-۷ هدف از تحقیق

۱-۸ تعریف مساله

۱-۹ فرمول بندی مساله

۱-۱۰ پیشینه تحقیق

فصل دوم : کلیات شبکه های عصبی

۲-۱ مقدمه

۲-۲ شبکه عای عصبی مغز انسان

۲-۳ ساختار یک سلول عصبی ساده

۲-۴ تعریف شبکه های عصبی

۲-۵ توانایی ها و کاربرد شبکه های عصبی

۲-۶ ویژگی های کلی شبکه های عصبی

۲-۷ داده ها در شبکه عصبی

۲-۷-۱ جمعیت و نمونه

۲-۷-۲ مجموعه آموزش، مجموعه اعتبار ستجی و مجموعه تست

۲-۸ توانایی شبکه های عصبی

۲-۸-۱ تابع ترکیب کننده

۲-۸-۲ تابع انتقال

۲-۸-۳ تابع هدف

۲-۹ معیار کارایی شبکه

۲-۹-۱ متوسط خطای مطلق

۲-۹-۲ میانگین خطای نسبی بین خروجی های حقیقی و دلخواه

۲-۹-۳ جذر میانگین مربع خطاها

۲-۹-۴ ضریب همبستگی بین خروجی های حقیقی و خروجی هدف

۲-۱۰ آستانه

۲-۱۱ نحوه شمارش لایه ها

۲-۱۲ شرایط تعمیم موفقیت آمیز

۲-۱۳ انواع شبکه های عصبی

فصل سوم : مروری بر مطالعات پیشین

۳-۱ مقدمه

۳-۲ پژوهش یاسدی

۳-۳ پژوهش ایناما

۳-۴ پژوهش هائو دینگ و همکاران

۳-۵ پژوهش باهر عبدالحی و هیمانشو پروال

۳-۶ پژوهش کارلافتیس و همکاران

فصل چهارم : شبکه های چند لایه از جلو تغذیه شونده و روش آموزش پس از انتشار خطا

۴-۱ مقدمه

۴-۲ شبکه های دولایه ای

۴-۲-۱ نگاشت غیر خطی

۴-۳ قاعده کلی دلتا

۴-۴ تصحیح وزن های لایه خروجی

۴-۵ تصحیح وزن های لایه ورودی

۴-۶ شبکه هایی با خروجی خطی

۴-۷ بسط قاعده کلی دلتا برای شبکه های چند لایه MLF

۴-۸ محاسبات بازگشتی دلتا

۴-۹ الگوریتم پس از انتشار خطا به همراه اندازه حرکت

۴-۹-۱ فرمول افزایش اصلاح شده

۴-۹-۲ تاثیر اندازه حرکت

۴-۱۰ مقادیر اولیه وزن ها

۴-۱۱تعداد لایه های پنهان و تعداد سلول های عصبی

۴-۱۲ مساله مینیمم محلی در تعین وزن ها

۴-۱۳ روش های آموزش

۴-۱۳-۱ آموزش پس از انتشار خطا با نرخ یادگیری متغیر

۴-۱۳-۲ آموزش پس از انتشار خطای انعطاف پذیر

۴-۱۳-۳ روش لونبرگ – مارکوارت

۴-۱۳-۴ روش BFGS

۴-۱۳-۵ روش سکانت یک مرحله ای

فصل پنجم : بررسی روش های ابتکاری و نقش آن در حل مسایل حمل و نقل

۵-۱ مقدمه

۵-۲ جستجوی همسایه

۵-۳ گرم و سرد کردن شبیه سازی شده

۵-۴ الگوریتم مورچگان

۵-۵ جستجوی میتنی بر منع

۵-۶ الگوریتم ژنتیک

۵-۷ الگوریتم فرهنگی

۵-۸ استراتژی تکاملی

۵-۹ دلایل انتخاب الگوریتم ژنتیک

۵-۱۰ ساختار الگوریتم ژنتیک

۵-۱۰-۱ کد گذاری جواب ها

۵-۱۰-۲ تابع صلاحیت

۵-۱۰-۳ مکانیزم انتخاب

۵-۱۰-۴ تکثیر

۵-۱۰-۵ ترکیب

۵-۱۰-۶ جهش

۵-۱۰-۷ پارمترهای کنترلی

۵-۱۱ مزایای الگوریتم ژنتیک

۵-۱۲ مراحل الگوریتم ژنتیک

فصل هفتم : کاربرد روش پیشنهادی در مطالعه موردی

۷-۱ مقدمه

۷-۲ مطالعه موردی شماره یک – محور قزوین رشت

۷-۲-۱ ساختار پیشنهادی

۷-۲-۲ مدل پیش بینی جریان ترافیک در ۵ دقیقه آتی

۷-۲-۳ انتخاب روش آموزش مناسب

۷-۲-۴ بررسی انواع توابع انتقال آب

۷-۲-۵ بینه سازی مدل پیش بینی ۵ دقیقه آتی محور قزوین – رشت

۷-۲-۶ مدل پیش بینی ۱۰ دقیقه آتی محور قزوین – رشت

۷-۲-۷ مدل پیش بینی ۱۵ دقیقه آتی محور قزوین – رشت

۷-۲-۸ مدل پیش بینی ۱۵ دقیقه آتی محور قزوین – رشت

۷-۲-۹ مقایسه مدل های پیش بینی جریان ترافیک محور قزوین – رشت

۷-۳ مطالعه موردی شماره دو – بزرگراه BHL

۷-۳-۱ بررسی تاثیر آگاهی از اطلاعات مکانی بر عملکرد مدل

۷-۳-۲ انتخاب اطلاعات مکانی

۷-۳-۳ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۵ دقیقه آتی

۷-۳-۴ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۱۰ دقیقه آتی

۷-۳-۵ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۱۵ دقیقه آتی

۷-۳-۶ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۳۰ دقیقه آتی

۷-۳-۷ مقایسه مدل های پیش بینی جریان ترافیک بزرگراه BHL

۷-۴ ساختار مدل های پیش بینی جریان ترافیک بزرگراه BHL

۷-۴-۱ مدل های پیش بینی باکس – جنکینز محور قزوین – رشت

۷-۴-۲ مدل های پیش بینی باکس – چنکینز بزرگراه BHL

۷-۴-۳ مقایسه روش پیشنهادی تحقیق با روش باکس – جنکینز

فصل هشتم : نتیجه گیری و پیشنهاد هایی برای مطالعات آینده

۸-۱ نتایج تحقیق

۸-۲ نتایج بدست آمده از مطالعه موردی

۸-۳ پیشنهادهایی برای مطالعات آینده

۸-۳-۱ پیش بینی زمان سفر

۸-۳-۲ مطالعه زمان سفر

۸-۳-۳ مطالعه بر روی شبکه های بزرگ

۸-۳-۴ طراحی مدلی با استفاده از فازی و مقایسه آن با شبکه های عصبی

۸-۳-۵ بررسی نحوه واکنش مسافران و رانندگان

منابع

پایان نامه ارشد عمران طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی

اختصاصی از کوشا فایل پایان نامه ارشد عمران طراحی مدل تخمین جریان ترافیک بر پایه بکارگیری شبکه های عصبی دانلود با لینک مستقیم و پرسرعت .

چکیده :

سیستم حمل و نقل هوشمند (ITS)، یکی از راهکارهای حل و تخفیف مشکلات مرتبط با حمل و نقل و ترافیک محسوب می‌شود، این سیستم از بخش‌های مختلف نرم‌افزاری و سخت‌افزاری تشکیل شده است که مدل تخمین جریان ترافیک در کوتاه مدت یکی از این بخش‌ها می‌باشد. این مدل با استفاده از اطلاعات وضعیت فعلی ترافیک هر معبر ( حجم ترافیک عبوری از معبر که توسط سنسورها برداشت می‌شود )، حجم عبوری از معبر در فواصل زمانی کوتاه مدت آتی را پیش‌بینی می‌کند. آگاهی از وضعیت پیش‌بینی شده برای جریان ترافیک در بخش‌های مدیریت ترافیک و اطلاع رسانی به مسافران از اهمیت بسیاری برخوردار است و هدف اصلی این تحقیق نیز ارائه مدل‌هایی برای پیش‌بینی جریان ترافیک در فواصل زمانی ۵، ۱۰، ۱۵ و ۳۰ دقیقه آینده است.

در این تحقیق روشی دو مرحله‌ای برای طراحی مدل پیش‌بینی جریان ترافیک پیشنهاد شده است. در مرحله نخست، با استفاده از روش شبکه‌های عصبی به عنوان یکی از ارکان هوش محاسباتی، از توانایی پیش‌بینی پدیده‌های مختلف برخوردار است، اما این توانایی تنها زمانی حاصل می‌شود که اجزای شبکه عصبی به درستی انتخاب شده و شبکه عصبی با استفاده از روش مناسبی آموزش داده شده باشد. طی این تحقیق ضمن بیان نحوه دستیابی به یک شبکه عصبی مناسب، اجزای مناسب برای مدل‌های پیش‌بینی جریان ترافیک شامل توابع انتقال و روش آموزش تعیین می‌شود.

الگوریتم ژنتیک روشی ابتکاری است که از نحوه تکامل موجودات در طبیعت الهام گرفته شده است و برای حل مسائل بهینه سازی بکار می‌رود. در این تحقیق ضمن بهینه سازی شبکه‌های عصبی به کمک الگوریتم ژنتیک، سهم عملگرهای ژنتیکی و اندازه جمعیت مناسب برای بهینه سازی شبکه‌های عصبی تعیین می‌شود.

فهرست مطالب :

فصل اول : تعریف مساله و کلیات

۱-۱ مقدمه

۱-۲ سیستم حمل و نقل هوشمند و ساختار آن

۱-۳ مدیریت سفر و ترافیک

۱-۳-۱ کنترل ترافیک

۱-۳-۲ سیستم اطلاع رسانی به مسافران

۱-۴ تعریف تخمین کوتاه مدت جریان ترافیک

۱-۵ شبکه های عصبی

۱-۶ بهبود ساختار شبکه عصبی به کمک الگوریتم ژنتیک

۱-۷ هدف از تحقیق

۱-۸ تعریف مساله

۱-۹ فرمول بندی مساله

۱-۱۰ پیشینه تحقیق

فصل دوم : کلیات شبکه های عصبی

۲-۱ مقدمه

۲-۲ شبکه عای عصبی مغز انسان

۲-۳ ساختار یک سلول عصبی ساده

۲-۴ تعریف شبکه های عصبی

۲-۵ توانایی ها و کاربرد شبکه های عصبی

۲-۶ ویژگی های کلی شبکه های عصبی

۲-۷ داده ها در شبکه عصبی

۲-۷-۱ جمعیت و نمونه

۲-۷-۲ مجموعه آموزش، مجموعه اعتبار ستجی و مجموعه تست

۲-۸ توانایی شبکه های عصبی

۲-۸-۱ تابع ترکیب کننده

۲-۸-۲ تابع انتقال

۲-۸-۳ تابع هدف

۲-۹ معیار کارایی شبکه

۲-۹-۱ متوسط خطای مطلق

۲-۹-۲ میانگین خطای نسبی بین خروجی های حقیقی و دلخواه

۲-۹-۳ جذر میانگین مربع خطاها

۲-۹-۴ ضریب همبستگی بین خروجی های حقیقی و خروجی هدف

۲-۱۰ آستانه

۲-۱۱ نحوه شمارش لایه ها

۲-۱۲ شرایط تعمیم موفقیت آمیز

۲-۱۳ انواع شبکه های عصبی

فصل سوم : مروری بر مطالعات پیشین

۳-۱ مقدمه

۳-۲ پژوهش یاسدی

۳-۳ پژوهش ایناما

۳-۴ پژوهش هائو دینگ و همکاران

۳-۵ پژوهش باهر عبدالحی و هیمانشو پروال

۳-۶ پژوهش کارلافتیس و همکاران

فصل چهارم : شبکه های چند لایه از جلو تغذیه شونده و روش آموزش پس از انتشار خطا

۴-۱ مقدمه

۴-۲ شبکه های دولایه ای

۴-۲-۱ نگاشت غیر خطی

۴-۳ قاعده کلی دلتا

۴-۴ تصحیح وزن های لایه خروجی

۴-۵ تصحیح وزن های لایه ورودی

۴-۶ شبکه هایی با خروجی خطی

۴-۷ بسط قاعده کلی دلتا برای شبکه های چند لایه MLF

۴-۸ محاسبات بازگشتی دلتا

۴-۹ الگوریتم پس از انتشار خطا به همراه اندازه حرکت

۴-۹-۱ فرمول افزایش اصلاح شده

۴-۹-۲ تاثیر اندازه حرکت

۴-۱۰ مقادیر اولیه وزن ها

۴-۱۱تعداد لایه های پنهان و تعداد سلول های عصبی

۴-۱۲ مساله مینیمم محلی در تعین وزن ها

۴-۱۳ روش های آموزش

۴-۱۳-۱ آموزش پس از انتشار خطا با نرخ یادگیری متغیر

۴-۱۳-۲ آموزش پس از انتشار خطای انعطاف پذیر

۴-۱۳-۳ روش لونبرگ – مارکوارت

۴-۱۳-۴ روش BFGS

۴-۱۳-۵ روش سکانت یک مرحله ای

فصل پنجم : بررسی روش های ابتکاری و نقش آن در حل مسایل حمل و نقل

۵-۱ مقدمه

۵-۲ جستجوی همسایه

۵-۳ گرم و سرد کردن شبیه سازی شده

۵-۴ الگوریتم مورچگان

۵-۵ جستجوی میتنی بر منع

۵-۶ الگوریتم ژنتیک

۵-۷ الگوریتم فرهنگی

۵-۸ استراتژی تکاملی

۵-۹ دلایل انتخاب الگوریتم ژنتیک

۵-۱۰ ساختار الگوریتم ژنتیک

۵-۱۰-۱ کد گذاری جواب ها

۵-۱۰-۲ تابع صلاحیت

۵-۱۰-۳ مکانیزم انتخاب

۵-۱۰-۴ تکثیر

۵-۱۰-۵ ترکیب

۵-۱۰-۶ جهش

۵-۱۰-۷ پارمترهای کنترلی

۵-۱۱ مزایای الگوریتم ژنتیک

۵-۱۲ مراحل الگوریتم ژنتیک

فصل هفتم : کاربرد روش پیشنهادی در مطالعه موردی

۷-۱ مقدمه

۷-۲ مطالعه موردی شماره یک – محور قزوین رشت

۷-۲-۱ ساختار پیشنهادی

۷-۲-۲ مدل پیش بینی جریان ترافیک در ۵ دقیقه آتی

۷-۲-۳ انتخاب روش آموزش مناسب

۷-۲-۴ بررسی انواع توابع انتقال آب

۷-۲-۵ بینه سازی مدل پیش بینی ۵ دقیقه آتی محور قزوین – رشت

۷-۲-۶ مدل پیش بینی ۱۰ دقیقه آتی محور قزوین – رشت

۷-۲-۷ مدل پیش بینی ۱۵ دقیقه آتی محور قزوین – رشت

۷-۲-۸ مدل پیش بینی ۱۵ دقیقه آتی محور قزوین – رشت

۷-۲-۹ مقایسه مدل های پیش بینی جریان ترافیک محور قزوین – رشت

۷-۳ مطالعه موردی شماره دو – بزرگراه BHL

۷-۳-۱ بررسی تاثیر آگاهی از اطلاعات مکانی بر عملکرد مدل

۷-۳-۲ انتخاب اطلاعات مکانی

۷-۳-۳ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۵ دقیقه آتی

۷-۳-۴ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۱۰ دقیقه آتی

۷-۳-۵ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۱۵ دقیقه آتی

۷-۳-۶ مدل پیش بینی وضعیت ترافیک بزرگراه BHL در ۳۰ دقیقه آتی

۷-۳-۷ مقایسه مدل های پیش بینی جریان ترافیک بزرگراه BHL

۷-۴ ساختار مدل های پیش بینی جریان ترافیک بزرگراه BHL

۷-۴-۱ مدل های پیش بینی باکس – جنکینز محور قزوین – رشت

۷-۴-۲ مدل های پیش بینی باکس – چنکینز بزرگراه BHL

۷-۴-۳ مقایسه روش پیشنهادی تحقیق با روش باکس – جنکینز

فصل هشتم : نتیجه گیری و پیشنهاد هایی برای مطالعات آینده

۸-۱ نتایج تحقیق

۸-۲ نتایج بدست آمده از مطالعه موردی

۸-۳ پیشنهادهایی برای مطالعات آینده

۸-۳-۱ پیش بینی زمان سفر

۸-۳-۲ مطالعه زمان سفر

۸-۳-۳ مطالعه بر روی شبکه های بزرگ

۸-۳-۴ طراحی مدلی با استفاده از فازی و مقایسه آن با شبکه های عصبی

۸-۳-۵ بررسی نحوه واکنش مسافران و رانندگان

منابع

دانلود مقاله تخمین تنش پمساند با استفاده از روش های غیر مخرب و ارتباط آن با پروسه‌های تولید در انواع مختلف جوشکاری

اختصاصی از کوشا فایل دانلود مقاله تخمین تنش پمساند با استفاده از روش های غیر مخرب و ارتباط آن با پروسه‌های تولید در انواع مختلف جوشکاری دانلود با لینک مستقیم و پرسرعت .

طی چند دهه گذشته تنش های پسماند در ظروف فشار دار و کاربردهای ساختمانی و خطوط انتقال گاز و نفت و در ساختارها و قطعات فلزی و ... مورد توجه قرار گرفته است. از سوی پیشرفت هایی که امروز در ارزیابی یکپارچه ساختارها و ساختمانها در ارتباط با قطعات جوش صورت پذیرفته است. خواستار اطلاعات دقیق تری دربارة حالت تنش پسماند می باشد. تنش های پسماند در اثر عدم هماهنگی در شکل طبیعی بین نواحی مختلف در یک قطعه حاصل می شود به خصوص در جوشکاری تنش های پسماند مورد توجه قرار می گیرند. تنش های پسماند می توانند بسته به علامت، اندازه و توزیع شان با توجه به تنش های اعمالی، تعیین کننده باشند.

ارزیابی تنش پسماند یک ابزار مهمی نیز برای کنترل فرآیند، کنترل کیفی، ارزیابی طراحی و آنالیز نقص می باشد. چون این تنش ها می توانند پیامدهای مهمی روی عمکلرد اجزاء و قطعات مهندسی داشته باشند و همچنین تأثیر زیادی روی خوردگی، مقاومت شکست، خزش و ... دارا می‌باشند. لذا کاهش و کم کردن این تنش ها مطلوب می باشد. از این رو تنش های پسماند در اتصالات جوشکاری شده عمدتاً توسط عملیات حرارتی یا توسط تنش مکانیکی کاهش می یابد.

- روش های متفاوتی برای اندازه گیری یا تخمین تنش پسماند براساس اندازه گیری دقیق یا با استفاده از تکنیک های عددی وجود دارد. اندازه گیریها می توانند از نوع مخرب مانند (سوراخکاری) یا غیر مخرب مانند اشعه x، یا تفرق نوترونی و فراصوتی باشند. و تفرق نوترونی اساساً یک تکنیک برجسته برای پی بردن به تنش پسماند به صورت غیر مخرب در درون قطعات مهندسی در سه بعد و در حجم های کوچک می باشد.

در این پروژه به تخمین تنش پمساند با استفاده از روش های غیر مخرب و ارتباط آن با پروسه‌های تولید در انواع مختلف جوشکاری فولاد می پردازیم.

- جوشکاری ذاتاً باعث بروز تولید ترک هایی در محل جوش می شوند، اندازه و محل این ترکها را می توان به عنوان یک معیار در تعیین عمر جوشکاری مورد استفاده قرار داد. تنش هایی که می توانند باعث رشد ترک خوردگی شوند به تنش های بیرونی محدود نمی شوند. به عنوان نمونه می توان گفت که تنش های پسماند در داخل و اطراف ناحیه جوش به عنوان یک پیامد از فرآیند جوش، تولید می شود. بنابراین این موضوع برای دانستن اندازه و علامت تنش پمساند در ناحیه جوش مهم خواهد بود. و این بحث خصوصاً در جوشهای با مقطع ضخیم که دارای یک تنش 3 بعدی است جالب توجه می باشد. در اینجا به بحث در مورد استفاده از اسکن کردن کششی نوترونی برای فراهم آوردن اسکن های 3 بعدی ضخیم مربوط به نمونه های فولادی جوشکاری شده و جوشکاری نشده خواهیم پرداخت.

- دراین پروژه به بررسی تنش پسماند در لوله های فولادی 9Cr-1Mo اشاره خواهد شد که جوشکاری مربوط به این فولادها در صنایع نفت و برق کاربرد گسترده ای دارند. از سویی در فرآیندهای تولید مانند جوشکاری تنش پسماند می تواند منجر به شکست در قططعات فولادی شود. لذا برای بهبود میزان سختی و برای حذف تنش پسماند بعد از جوشکاری ، جوشکاری فولاد Cr-Mo بایستی تحت عملیات حرارتی پس از جوشکاری قرار بگیرد. جوشکاری ذوبی یک فرآیند اتصالی است که در ساخت کشتی، پل های فولادی، مخازن فشار و غیره مورد استفاده قرار می گیرد. مزیت این جوشکاری به عنوان یک فرآیند اتصال دهنده عبارتست از : کاری زیاد اتصال ، انعطاف پذیری و هزینه کم تولید. جوشکاری ذوبی هرچند دارای ویژگی های زیادی در صنعت است اما می تواند خواص مواد را تغییر داده و باعث خمش، انقباض و تنش پسماند در اتصال شود. لذا یک عملیات حرارتی پس از جوش به طور گسترده برای کاهش تنش پسماند ناشی از جوشکاری توصیه می شود. از سویی تنش های پسماند تأثیر بسزایی بر روی تعیین شکل جوش، استحکام خستگی، تافنس شکست و... دارند بنابراین ارزیابی و درک تنش های پسماند ناشی از جوشکاری مهم می باشد.

روش های زیادی برای ارزیابی توزی تنش پسماند وجود دارد. روش های آزمایشی شامل پراش اشعه x ،تحلیل فراصوتی، ایجاد سوراخ و برش است. روش های عددی که تحلیل های مفصل‌تری از تنش های پسماند ناشی از جوشکاری را ارائه می کند. در طول سه دهه گذشته به علت پیشرفت رایانه ها، تکنیک های عددی گسترش قابل توجهی یافته است. در این پروژه به بررسی تنش های پسماند پس از جوشکاری و پس از یک عملیات حرارتی، پس از جوش به وسیله روش المان محدود اشاره خواهد شد.

از طرفی افزایش احتمال شکست و کاهش استحکام در قطعات دو اثری اند که تنش های پسماند باعث بروز آنها می شوند. لذا به منظور ایجاد یک طراحی مطمئن، ما بایستی یک روش مناسبی را پیدا کنیم که به واسطه آن بتوان به پیش بینی های مربوط به اندازه و توزیع تنش پسماند دسترسی پیدا کرد. یک استفاده گسترده از پیش بینی تنش پسماند در جوشکاری، روش المان محدود می باشد. اگرچه پیش بینی تنش های پسماند حین جوشکاری، با استفاده از روش المان محدود می تواند یک روش اقتصادی و دقیق تری نسبت به روش های آزمایشی مانند پراش نوترونی، اشعه x و تحلیل فراصوتی باشد ولی پیچیدگی هایی هم در هنگام شبیه سازی فرآیند جوشکاری با استفاده از روش المان محدود وجود دارد. برای مثال روش های ابعادی دو بعدی (2D) و سه بعدی (3D) روش‌هایی‌اند که برای رسیدن به دقت مطلوب بایستی مورد استفاده قرار گیرند و این پروژه به بحث و بررسی در مورد آنها خواهیم پرداخت.

- مواد فلزی هنگام جوشکاری با مواد مشابه و غیرمشابه می توانند باعث ایجاد تنش پسماند گردند. گسترش این نوع از تنش داخلی اغلب می تواند تحت تأثیر کشش دائمی غیرسازگاری حاصل از عملکردهای مکانیکی و حرارتی مربوط به جوشکاری و تغییر شکل پلاستیکی واقع گردد. چنین عملکردهایی می تواند منجر به شکل گیری عیب های شبکه ای شامل جابجایی و حفره سازی شوند. چون تکنیک PAS (یک روش غیرمخرب برای تعیین عیوب در فلزات و آلیاژها می باشد.) ثابت کرده است که قادر است، تنش های پسماند را در نورد کاری سرد تعیین کند و به صورت پلاستیکی فولادهای ضد زنگ مارتنزیتی را تغییر شکل دهد. لذا در اینجا از تکنیک PAS برای مشخص کردن تنش های پسماند در نمونه های جوشکاری شده شامل فولادهای ضد زنگ مارتنزیتی و یا آستینیتی استفاده شده است. در اینجا به مشخص کردن تنش پسماند در نمونه های جوشکاری در فولادهای آلیاژی از نوع L304 و 823- EP توسط تکنیک PAS پرداخته خواهد شد، جوشکاری تلاطمی اصطکاکی، یک متود اتصال جامد است به همراه 5 فاز عملیات که در کل فرآیند صورت می گیرد. دوره غوطه وری، دوره ته نشینی ، دوره جوشکاری ثابت، دوره ته نشینی ثانویه و دوره رهایی. این تکنیک اتصال فلز از جوشکاری اصطکاکی منشاء می گیرد. از آنجایی که بالاتری دما در فرآیند (FSW) کمتر از دمای ذوب ماده در قطعه کار می باشد. لذا بزرگترین مزیت این روش : تعیین میکروساختارهای نرم بدون شکاف یا تغییر شکل کم و بدون کاهش عناصر آلیاژی می باشد. هر چند FSW یک تکنولوژی جدید جوشکاری می باشد اما در جوامع آکادمیک و صنعتی برای اغلب آلیاژهای آلومینیوم مورد استفاده قرار می گیرد. بررسی ها نشان می دهد که فرآیند FSW در آلیاژهای آلومینیوم جوشکاریهایی با کیفیت بالا و هزینه پایین را تأیید می کند در نتیجه بهترین عملکرد ساختاری یک دیگر از مزایای این روش می باشد. که در این پروژه به بررسی تعیین عددی تنش پسماند در جوشکاری FSW (جوشکاری تلاطمی اصطکاکی)و استفاده از مدل سه بعدی پرداخته می شود و هم چنین شبیه سازی عددی دمای اتصال و تحلیل ترمو، مکانیکی غیر خطی سه بعدی با آنالیز المان محدود و تحلیل تنش پسماند در جوشکاری (FSW) را مورد مطالعه قرار می دهد.