پديد آورنده :
ربيعي فرادنبه، محمدجواد
عنوان :
مدل‌سازي تأثير زبري سطح فيلم‌هاي نازك بر آزمون نانو فرورفتگي با استفاده از روش يادگيري ماشيني
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
طراحي كاربردي
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
دوازده، 71ص.: مصور (رنگي)، جدول، نمودار
استاد راهنما :
محمد سيلاني، صالح اكبرزاده
توصيفگر ها :
آزمون نانو فرورفتگي , زبري سطح , پوشش , سفتي , سختي سطح , يادگيري ماشيني , نانوفروفتگي داغ
استاد داور :
محسن اصفهانيان، محمدرضا فروزان
تاريخ ورود اطلاعات :
1398/04/23
رشته تحصيلي :
مهندسي مكانيك
تاريخ ويرايش اطلاعات :
1398/04/23
چكيده فارسي :
چکیده آزمون نانو فرورفتگی ازجمله آزمونهايی است که از اواسط دهه 3191 برای سنجش خواص مکانیکی مواد بهخصوص ماکرو کامپوزيتها مورداستفاده قرار میگیرد اين آزمون با استفاده از دستگاهی با همین نام انجامگرفته که طی اين فرآيند نوک سوزنی شکل تعبیهشده در دستگاه با قطعه موردنظر برخورد کرده و نمودار نیروی عکسالعمل برحسب مقدار فرورفتگی بهطور مستقیم در طی اين فرآيند به دست میآيد و با تحلیل اين نمودار خواصی ازجمله سفتی و سختی قطعه موردنظر به دست میآيد با توجه به اينکه عمق فرورفتگی نوک سوزنی شکل بر روی قطعه در حد چند نانومتر میباشد زبری سطح قطعه مورد آزمايش بر روی نتايج اين آزمون تأثیرگذار است اين ادعا توسط آزمايشهای تجربی که بر روی قطعات مختلف با زبریهای سطح گوناگون انجامشده است قابلمشاهده میباشد از طرفی انجام اين آزمون در شرايط خاص ازجمله نانو فرورفتگی داغ که در آن عموما دمای قطعه مورد آزمايش تا باالی 334 درجه سلسیوس گرم میشود ازنظر نبود امکانات الزم و حتی امکان ايجاد خسارت به دلیل آسیب رسیدن به قطعات دستگاه نانو فرورفتگی ازجمله نوک سوزنی شکل دستگاه هزينههای بااليی برای انجام اين آزمون را در بردارد عالوه بر موارد ذکرشده ساخت قطعهای که ازنظر خواص مکانیکی موردنظر کاربر باشد نیز نیاز به ساخت نمونههای آزمايشگاهی در تعداد باال دارد که همچنان با محدوديتهايی که ذکر شد نیز مواجه است در اين پژوهش ابتدا با استفاده از شبیهسازی و بررسی نتايج بهدستآمده با آزمايشهای تجربی به مدلی قابلاطمینان از اين آزمون دستيافته که کاربر را برای دستیابی به خواص موردنظر از انجام آزمونهای تجربی با توجه به محدوديتهايی که ذکر شد بینیاز کرده است با توجه به اينکه شبیهسازی گام مؤثری در بینیاز کردن کاربر از انجام آزمونهای تجربی برداشته تنها به اين قابلیت نیز اکتفا نکرده و با استفاده از فرآيند يادگیری ماشینی سعی بر آن شده است که کاربر حتی از انجام فرآيندهای شبیهسازی نیز بینیاز گرديده و به خواص مطلوب خود با دقت مناسب و سرعت فوقالعاده باالدست پیدا کند با توجه به گسترده بودن طیف وسیعی از مواد موجود اين قسمت از پژوهش بر روی مواد پايه فوالدی با پوششهای صنعتی مرسوم انجامگرفته است که نتايج بهدستآمده نشان از عملکرد خوب فرآيند يادگیری ماشینی در پیشبینی خواصی ازجمله سفتی و سختی نمونههای موردنظر را دارد با استفاده از اين فرآيند حتی به شبیهسازی که مزيتهای آن اشاره شد نیز نیازی نمیباشد و کاربر بهسادگی هرچهتمامتر با توجه به پارامترهای ورودی که در اين پژوهش به آنها اشارهشده است به خواص سفتی و سختی نمونه موردنظر دست پیدا میکند کلمات کلیدی آزمون نانو فرورفتگی زبری سطح پوشش سفتی سختی سطح يادگیری ماشینی نانوفروفتگی داغ
چكيده انگليسي :
Modeling the effect of thin film s surface roughness on nanoindentation test using machine learning methods Mohammad Javad Rabiei Faradonbeh mj rabiei@me iut ac ir Date of Submission June 24 2019 Department of Mechanical Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisors Mohammad Silani Assistant Professor in Mechanical Engineering silani@cc iut ac ir Saleh Akbarzadeh Associate Professor in Mechanical Engineering s akbarzadeh@cc iut ac irAbstract Nanoindentation test is one of the most common tests to measure the mechanical properties of materials especially macrocomposites which have been used since the mid 1970s This test was carried out by a deviceof the same name that during this test the tip shaped of the device penetrates on the surface of the specimen toa size of a few nanometers and the force displacement curve is obtained as a direct output from this test Bypostprocessing analyzes on this graph properties such as the stiffness and hardness of the specimen areachieved Due to the fact that the indentation of the tip is about a few nanometers in size the roughness of thesurface of the test piece affects the results of this test This claim is readily apparent by experiments performedon different parts with different surface roughnesses Access to this device as well as performing this test inspecial circumstances such as high temperature nanoindentation test is one of the instrumental limitations ofthis test Also the production of samples that have coatings is also due to the availability of the requireddevices a timely process to achieve the desired mechanical properties for the user In this study the first issueis defining this test with a simulation model in Abaqus CAE whose validity was proved by experimental tests In the next step the validity of the model obtained on the coating materials was verified Although thissimulation has taken an effective step in speeding up this process as well as the ability to carry out this test ona wide range of materials defined by the user this study attempts to even allow the user to not to performsimulations and also let the user to achieved the parameters like stiffness and surface hardness in a fraction ofa second This part of the research is carried out by the machine learning process Due to the wide variety ofbase materials and various coatings that exist it has been attempted because of the conventional use of steelin the industry the specimens like steel base materials with commercial coatings become the purpose of thisresearch is to continue the process by using machine learning process After all this for achieving to theparameters like stiffness and surface hardness The user even does not need to simulate this test on steel basematerials with conventional industrial coatings and only uses the properties that are defined to machinelearning process input and get stiffness and hardness values in fractions of a second to desired surface KeywordsNanoindentation Surface roughness Coating Stiffness Hardness Machine learning High temperature nanoindentatio
استاد راهنما :
محمد سيلاني، صالح اكبرزاده
استاد داور :
محسن اصفهانيان، محمدرضا فروزان
