Previsione del comportamento superplastico di PBSN60 mediante reti neurali

Un modello di Reti Neurali Artificiali (RNA) quantitativo non lineare è stato implementato per prevedere il comportamento superplastico della lega PbSn60. Il motivo dell’impiego delle reti neurali come sistema di previsione risiede nella loro capacità di ricostruire la relazione ingresso/uscita di un qualunque processo in mancanza di un modello funzionale. La caratteristica principale delle reti neurali è proprio quella di potersi adattare a condizioni di applicazioni differenti, sfruttando la propria capacità di generalizzazione e utilizzando un insieme di dati sperimentali di riferimento (training set) come esperienza passata sulla quale basarsi per la risoluzione del problema in questione. In questo lavoro i dati per l’addestramento della rete derivano dalla caratterizzazione meccanica e microstrutturale della lega PbSn60. In particolare la caratterizzazione meccanica è stata effettuata mediante prove di trazione a velocità della traversa costante. Sono stati rilevati in scala logaritmica i valori della tensione corrispondenti alla stessa deformazione ma valutati a differenti velocità. Il valore dell’indice di sensibilità alla velocità di deformazione (m) è stato ottenuto analizzando la pendenza della retta interpolante l’andamento di log  vs log . La rete si è rivelata un valido strumento per la previsione del comportamento superplastico, ottimizzando tempi e costi della sperimentazione.