Artificial neural network based fatigue life assessment of friction stir welding AA2024-T351 aluminum alloy and multi-objective optimization of welding parameters
Abstrakt
In this paper, the fracture behavior and fatigue crack growth rate of the 2024-T351 aluminum alloy has been investigated. At first, the 2024-T351 aluminum alloys have been welded using friction stir welding procedure and the fracture toughness and fatigue crack growth rate of the CT specimens have been studied experimentally based on ASTM standards. After that, in order to predict fatigue crack growth rate and fracture toughness, artificial neural network is used. To obtain the best neuron number in the hidden layer of the artificial neural network, different neuron numbers are tested and the best network based on the performance is selected. Then the fitting method is applied and the fitted surfaces that illustrate the behavior of welding are shown and the results of artificial neural network and fitting method are compared. Also, multi-objective optimization algorithm is used to obtain the best welding parameters and finally sensitivity analysis is applied to measure the effect of rotational and traverse speeds on the fracture toughness and fatigue crack growth rate.
Cytowania
-
2 6
CrossRef
-
0
Web of Science
-
3 0
Scopus
Autorzy (6)
Cytuj jako
Pełna treść
- Wersja publikacji
- Accepted albo Published Version
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1016/j.ijfatigue.2022.106840
- Licencja
- otwiera się w nowej karcie
Słowa kluczowe
Informacje szczegółowe
- Kategoria:
- Publikacja w czasopiśmie
- Typ:
- artykuły w czasopismach
- Opublikowano w:
-
INTERNATIONAL JOURNAL OF FATIGUE
nr 160,
ISSN: 0142-1123 - Język:
- angielski
- Rok wydania:
- 2022
- Opis bibliograficzny:
- Masoudi Nejad R., Sina N., Ghahremani Moghadam D., Branco R., Macek W., Berto F.: Artificial neural network based fatigue life assessment of friction stir welding AA2024-T351 aluminum alloy and multi-objective optimization of welding parameters// INTERNATIONAL JOURNAL OF FATIGUE -Vol. 160, (2022), s.106840-
- DOI:
- Cyfrowy identyfikator dokumentu elektronicznego (otwiera się w nowej karcie) 10.1016/j.ijfatigue.2022.106840
- Źródła finansowania:
-
- Publikacja bezkosztowa
- Weryfikacja:
- Politechnika Gdańska
wyświetlono 105 razy
Publikacje, które mogą cię zainteresować
Artificial Neural Network based fatigue life assessment of riveted joints in AA2024 aluminum alloy plates and optimization of riveted joints parameters
- R. Masoudi Nejad,
- N. Sina,
- W. Ma
- + 5 autorów