محقق دانشگاه آزاد نجف آباد طرحی ارائه داده است که به کمک آن می‌توان زمان لازم برای تهیه یک نانوکامپوزیت را کمینه نمود و اندازه دانه‌ی نهایی را پیش‌بینی کرد. به گزارش خبرنگار علمی باشگاه خبرنگاران،‌ محقق دانشگاه آزاد نجف آباد طرحی ارائه داده است که به کمک آن می‌توان زمان لازم برای تهیه یک […]

محقق دانشگاه آزاد نجف آباد طرحی ارائه داده است که به کمک آن می‌توان زمان لازم برای تهیه یک نانوکامپوزیت را کمینه نمود و اندازه دانه‌ی نهایی را پیش‌بینی کرد.

به گزارش خبرنگار علمی باشگاه خبرنگاران،‌ محقق دانشگاه آزاد نجف آباد طرحی ارائه داده است که به کمک آن می‌توان زمان لازم برای تهیه یک نانوکامپوزیت را کمینه نمود و اندازه دانه‌ی نهایی را پیش‌بینی کرد. نتایج این طرح در تمام صنایعی که با فرآوری نانوکامپوزیت‌ها در ارتباط هستند، کاربرد داشته و سبب کاهش هزینه و انرژی مصرفی آن ها خواهد شد.
یکی از روش‌های مورد استفاده جهت ساخت نانوکامپوزیت‌ها، آلیاژسازی مکانیکی است. در این روش عوامل مختلفی نظیر نوع و اندازه‌ی گلوله، سرعت چرخش، دما و زمان فرایند بر میزان انرژی منتقل شونده به مواد و اندازه نانوپودر نهایی مؤثر است. لذا دستیابی به معادله‌ای که این عوامل را بهینه کند، سبب حداکثر شدن انرژی انتقالی و کاهش زمان فرایند خواهد شد. هدف از انجام این کار نیز، دستیابی به مدلی جهت پیش‌بینی و به حداقل رساندن زمان فرآوری نانوکامپوزیت‌ها با روش آلیاژسازی مکانیکی بوده است.
به گفته ی عبدللهی در این کار تحقیقاتی، دو شاخه‌ی هوش مصنوعی یعنی مدل‌سازی و بهینه‌سازی با هم ترکیب شده و در حوزه‌ی مهندسی مواد و سنتز نانوپودرها به کار گرفته شده است.
این طرح، مشکلات مربوط به فرآوری نانوکامپوزیت‌ها با استفاده از روش آلیاژسازی مکانیکی را مرتفع می‌سازد. به عنوان مثال یک پیش بینی دقیق از اندازه دانه‌ی نانوکامپوزیت ارائه می‌کند. بنابراین نیاز به استفاده از آزمون اشعه ایکس و حتی تصاویرمیکروسکوب الکترونی روبشی نخواهد بود. علاوه‌براین اطلاع از اندازه‌ی دانه باعث می‌شود تا نمونه برداری‌ها به حداقل ممکن رسیده و منجر به کاهش زمان و انرژی مصرفی می‌گردد.
عبداللهی در توضیحات خود عنوان کرد: برای ارائه یک رابطه ریاضی دقیق، بیش از ۳۰۰۰ داده از منابع مختلف جمع آوری شده و یک پایگاه داده‌ی کامل از بیشتر نانوکامپوزیت‌هایی که با روش آلیاژسازی مکانیکی فرآوری شده‌اند، ایجاد شده است. این پایگاه داده، شرایط ایجاد یک شبیه‌سازی مطمئن را با روش هوش مصنوعی فراهم می‌کند. این شبیه‌سازی دقیق باعث می‌شود که اولاً اندازه دانه‌ی نانوکامپوزیت‌ها پیش‌بینی شود و ثانیاً انرژی در آلیاژسازی مکانیکی به بیشترین مقدار خود برسد. به عبارت دیگر فرآوری نانوپودرها در کمترین زمان ممکن انجام می‌شود. این یک کار بدیع بوده که می‌توان از آن در تمام زمینه‌های مهندسی که با فرآوری مواد سر و کار دارند، استفاده نمود.
در ادامه‌ی نتایج ارزشمند مذکور، این طرح تحقیقاتی موفق شده تا سختی حاصل از نانوکامپوزیت‌ها را نیز در آلیاژسازی مکانیکی به بیشترین مقدار ممکن برساند. همچنین در تحقیقی دیگر، انرژی ضربه نانوکامپوزیت‌های لایه‌ای به بیشترین مقدار خود رسیده که این کار نیز بسیار بدیع و کاربردی است.
به گفته‌ی این محقق برای مدل‌سازی، در ابتدا یک پایگاه داده از تمام نانوکامپوزیت‌های تولید شده با روش آلیاژسازی مکانیکی جمع آوری گردید. در ادامه با استفاده از الگوریتم برنامه‌ریزی بیان ژن، که یک الگوریتم مدل‌سازی در حوزه‌ی هوش مصنوعی است، یک رابطه ریاضی فراهم شد.
این رابطه ریاضی تمام پارامترهای آسیاب‌کاری را به اندازه‌ی دانه مربوط می‌سازد. رابطه‌ی پیشنهادی باعث می‌شود که اندازه دانه در تمامی ساعات آسیاب‌کاری و حتی بدون استفاده از آزمون اشعه‌ی ایکس، قابل پیش‌بینی باشد.
در ادامه با استفاده از یک الگوریتم بهینه‌سازی به نام کلونی زنبور عسل، رابطه ریاضی مذکور به گونه‌ای بهینه شد که اندازه‌ی دانه در آن به حداقل مقدار ممکن(محدوده نانومتری) برسد. وقتی اندازه دانه به کمترین مقدار خود در مقیاس نانو برسد، به این معناست که انرژی در آسیاب‌کاری در بیشترین مقدار خود بوده و نانوپودرها در کمترین زمان ممکن فرآوری می‌گردند.