PENDEKATAN NEURAL NETWORK TERHADAP SIFAT MEKANIK MATERIAL PADA TINGKAT BEBAN BERBEDA

Mike Susmikanti, Ghofir Ghofir

Abstract


Dalam bidang industri khususnya dalam pembangunan PLTN merupakan hal penting untuk mengetahui kondisi material yang digunakan. Berkaitan dengan penggunaan material, dilakukan pemodelan sifat mekanik material khususnya terhadap jenis stainless steel AISI-416. Material tipe AISI-416 merupakan salah satu material dengan komposisi yang tahan terhadap korosi. Pemodelan dilakukan pada beberapa tingkat pembebanan yang berbeda menggunakan neural network. Data pembelajaran menggunakan data hasil eksperimen. Dalam simulasi pelatihan dipilih metoda backpropagation dengan optimisasi menggunakan Levenberg-Marquardt. Diperoleh pemodelan alur stress terhadap jenis stainless steel AISI-416 pada simulasi beberapa tingkat beban yang berbeda.


Full Text:

PDF (Indonesian)

References


Ajay K. Behera, Nilamber K. Singh, Maloy K Singha, 2012 “Compressive Behavior of AISI-416 Stainless Steel at Different Rates of Loading”, Proceedings of the World Congress on Engineering Vol III London UK

Donald R. Askeland, Phule, P. Pradeep 2006, The Science and Engineering Of materials, Nelson, a division of Thomson Canada

Serkan Toros, Fahrettin Ozturk, 2011, “Flow curve prediction of A-Mg alloys under warm forming conditions at various strain rates by ANN”, Journal Applied Soft Computing 11 homepage : www.elsevier.com/locate/asoc

Sumantra Mandal, P.V. Sivaprasa, S. Venugopal, K.P.N. Murthy, 2009, “Artificial neural network modeling to evaluate and predict the deformation behavior of stainless steel type AISI 304L during hot

torsion”, Journal Applied Soft Computing 9 homepage : www.elsevier.com/locate/asoc

Zilouchian, Ali, Fundamentals of Neural Network, 2001. CRC Press LLC


Refbacks

  • There are currently no refbacks.