Alüminyum esaslı B4C takviyeli kompozit malzemenin aşınma davranşlarının araştırılması ve deneysel sonuçlarının yapay sinir ağlarında modellenmesi

Abstract

Bu çalışmada, farklı oranlarda (% 5, % 10, %15,% 20) B4C içeren Al matrisli kompozitler toz metalürjisi yöntemi ile üretilerek aşınma davranışları incelenmiş ve elde edilen değerler matematiksel olarak modellenmiştir. Bu amaçla Al ve B4C tozları karıştırıldıktan sonra 650 MPa basınç altında preslenmiştir. Preslendikten sonra 635°C sıcaklıkta 1 saat süre ile sinterlenmiştir. Sinterlenen numuneler, pin-on disk aşınma cihazında 10, 20, 30N yük altında ve 500-800-1200 mesh lik zımparalarla abrasif olarak aşındırılmıştır. Elde edilen aşınma değerleri 3 giriş, 1 çıkışa sahip ileri beslemeli geriye yayılımlı Levenbergt Marquert algoritması kullanan bir YSA modelde eğitilmiştir. Böylece optimum aşınma şartları ve sertlik değerleri belirlenmiş ve uygulanmayan aşınma şartları için veriler elde edilebilmiştir. Ayrıca, aşınma davranışı karakterize edilen malzemenin aşınma değerlerini tahmine yönelik YSA tabanlı bir matematiksel model geliştirilmiştir. Deneysel çalışmalar sonucunda B4C oranındaki artış sertlik değerlerinin artmasına neden olmuştur. 800 ve 1200 mesh lik aşındırıcılarla yapılan deneylerde B4C oranındaki artışın aşınma miktarını azalttığı tespit edilmiştir. YSA modelin eğitimi sonrası elde edilen sonuçlar, ağın deneysel verileri tahminde oldukça başarılı olduğunu göstermiştir. Yapılan çalışmada, ağın eğitimi aşamasında mutlak değişim yüzdesinin (R2) 0,9978 olduğu görülmüştür. Çalışmadaki test verilerinde zımpara boyutu düştükçe ortalama hatanın azaldığı gözlemlenmiş fakat eğitim verilerinde aynı genellemeyi yapmak mümkün olmamıştır. Eğitim verilerinde en düşük ortalama yüzde hata 800 mesh'lik zımpara ile yapılan örneklerde elde edilmiştir. Çalışmada girdi parametrelerinin çıkış parametresi üzerindeki etkisini belirlemek için çoklu ANOVA analizi kullanılmıştır.

In this study, Al matrix composites containing B4C at different ratios (5%, 10%, 15%, 20%) were produced by the powder metallurgy method and the wear behaviors were investigated and the obtained values were mathematically modeled. For this purpose Al and B4C powders were mixed and then pressed under 650 MPa. It was sintered at 635 ° C for 1 hour. The sintered specimens were abrasively abraded with a load of 10, 20, 30N in the pin-on disc abrasion device and with sand of 500-800-1200 mesh. The obtained wear values were trained in a ANN model using a forward feed backward spread Levenbergt Marquert algorithm with 3 inputs, 1 output. Thus, optimum wear conditions and hardness values are determined and data can be obtained for unexposed wear conditions. In addition, a YSB-based mathematical model was developed to predict the wearvalues of material characterized by wear behavior. As a result of experimental studies, the increase of B4C caused the increase of hardness values. Experiments with 800 and 1200 mesh abrasives have shown that the increase in B4C reduces the amount of wear. The result sobtaine daftertraining of the YSA model showed that the network was quite successful in predicting experimental data. In the study conducted, it is seen that the percentage of absolutechange (R2) in the network training phase is 0,9978. It has been observed that the mean error decreased as the sandpaper size decreased in the running test data, but it was not possible to make the same generalization in the training data. The lowest average percentile in the training data was obtained in samples made with 800 mesh sandpaper. In the study, multiple ANOVA analysis was used to determine the effect of the input parameters on the output parameter.