رضا بیگزاده

به دلیل ضعف فولاد در برابر حرارت و افزایش دما، ایمنی در برابر آتش مهمترین نگرانی مهندسان در ساخت ساز ه های فولادی است. اطلاع از مشخصات مکانیکی پس از آتش فولاد، مهمترین پارامتر در ارزیابی ساز ه های فولادی پس از شرایط آتشسوزی و پیش از کاربرد مجدد این ساز ه ها محسوب می شود. انجام پروژه های آزمایشگاهی جهت تعیین این مشخصات، سخت، هزینه بر و زمان گیر است. به همین دلیل پژوهشگران همواره سعی در پیشبینی این مشخصات برمبنای مشاهدات آزمایشگاهی دارند. این در حالی است که توانایی هوش مصنوعی در یادگیری روابط پیچیده و پیش بینی با دقت بالا، باعث کاربرد گسترده ی آن در زمینه های مختلف شده است. به همین دلیل در این پژوهش سعی شد تا با استفاده از داده های آزمایشگاهی موجود و با به کارگیری هوش مصنوعی، مشخصات مکانیکی پیچهای پرمقاومت پیش بینی گردد. به همین منظور اطلاعات موجود در مقالات برای 3 رده پیچ پرمقاومت 8.8 ، 10.9 و 12.9 جمع آوری و برای هر رده یک شبک هی عصبی آموزش و توسعه داده شد. نمودارهای همبستگی مقادیر پیشبینی شده و داده های آزمایشگاهی نشان داد که شبکه عصبی با دقت بالایی توانسته مشخصات مکانیکی را پیش بینی کند. همچنین جهت بررسی دقت پیش بینی در مقایسه با سایر معادلات پیش بینی ارائه شده، نتایج شبکه ی عصبی با مقادیر پیش بینی شده در مقالات برای پی چهای رده 8.8 و 10.9 مقایسه شد. این مقایسه نشان داد که استفاده از شبکه ی عصبی باعث حداقل کاهش 50 درصدی میانگین خطا در پیش بینی مشخصات مکانیکی پس از آتش پیچهای پرمقاومت شده است