دانلود مقاله ISI انگلیسی شماره 52530
ترجمه فارسی عنوان مقاله

کاربرد شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی تطبیقی به منظور بررسی میزان خوردگی لایه نانو سرامیکی مبتنی بر زیرکونیوم در فولاد گالوانیزه در محلول NaCl 3.5٪

عنوان انگلیسی
Application of artificial neural network and adaptive neuro-fuzzy inference system to investigate corrosion rate of zirconium-based nano-ceramic layer on galvanized steel in 3.5% NaCl solution
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی
52530 2015 10 صفحه PDF
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Journal of Alloys and Compounds, Volume 639, 5 August 2015, Pages 315–324

ترجمه کلمات کلیدی
پوشش تبدیل زیرکونیوم - پیش بینی خوردگی - فولاد گالوانیزه - شبکه های عصبی مصنوعی
کلمات کلیدی انگلیسی
Zirconium conversion coating; Corrosion prediction; Galvanized steel; DC polarization; Artificial neural network
پیش نمایش مقاله
پیش نمایش مقاله  کاربرد شبکه عصبی مصنوعی و سیستم استنتاج فازی-عصبی تطبیقی به منظور بررسی میزان خوردگی لایه نانو سرامیکی مبتنی بر زیرکونیوم در فولاد گالوانیزه در محلول NaCl 3.5٪

چکیده انگلیسی

A nano-ceramic Zr-based conversion solution was prepared and optimization of Zr concentration, pH, temperature and immersion time for the treatment of hot-dip galvanized steel (HDG) was performed. SEM microscopy was utilized to investigate the microstructure and film formation of the layer and the anticorrosion performance of conversion coating was studied using polarization test. Artificial intelligence systems (ANN and ANFIS) were applied on the data obtained from polarization test and the models for predicting corrosion current density values were attained. The outcome of these models showed proper predictability of the methods. The influence of input parameters was discussed and the optimized conditions for Zr-based conversion layer formation on the galvanized steel were obtained as follows: pH 3.8–4.5, Zr concentration of about 100 ppm, ambient temperature and immersion time of about 90 s.