امروزه مواد فوق ریز دانه به دلیل خواص کم نظیر خود جایگاه ویژه ای در صنایع مختلف پیدا کرده اند. با کاهش اندازه دانه، سهم اتم‌های موجود در مرز دانه‌ها افزایش‌یافته و زیادشدن مرز دانه ها موجب جلوگیری از حرکت نابه جایی ها و بالا رفتن استحکام می-شود. یکی از روش های تولید مواد فوق ریز دانه، اعمال تغییر شکل پلاستیک شدید می باشد. جهت اعمال تغییر شکل پلاستیک می-توان از روش های بسیاری استفاده نمود که در این پژوهش از کانال های زاویه دار موازی استفاده می شود. جهت بررسی عددی این فرایند از نرم افزار المان محدود آباکوس و جهت بهینه سازی نتایج از روش شبکه عصبی و الگوریتم ژنتیک استفاده شده است. در این پژوهش اثر پارامتر های قالب که شامل زاویه کانال، طول لوله، افزایش اختلاف قطر و ضریب اصطکاک می باشد، بررسی می شود. نتایج نشان داد که ضریب اصطکاک و طول لوله مورد آزمایش هر کدام جداگانه بر همگن شدن توزیع کرنش بسیار نقش داشته است، به طوری که با افزایش مقدار ضریب اصطکاک تعریفی و کاهش میزان طول لوله، توزیع کرنش به سمت همگنی و یکنواختی سوق پیدا خواهد کرد. تفاضل افزایش قطر لوله و زاویه کانال قالب تاثیر چندانی بر بهبود یکنواختی توزیع کرنش نخواهند داشت. از سوی دیگر افزایش ضریب اصطکاک، طول لوله و افزایش قطر لوله هر کدام جداگانه منجر به افزایش نیروی فرایند می شوند درحالی که افزایش زاویه کانال قالب منجر به کاهش نیروی شکل دهی شد. Manuscript profile

One of reasons that researchers in recent years have tried to produce ultrafine grained materials is producing lightweight components with high strength and reliability. There are disparate methods for production of ultra-fine grain materials,one of which is severe plastic deformation method. Severe plastic deformation method comprises different processes, one of which is Parallel tubular channel angular pressing. The aim of this study is optimizing parameters of the noticed process die just by utilizing neural network and genetic algorithm methods that at first for this purpose, by using ABAQUS finite element software, the numerical analysis of the die parameters is performed and the impact of each die parameter on the force of the process and the equivalent strain is examined. Finally, for gaining optimal parameters, MATLAB and neural network optimization methods and genetic algorithm are used. The use of neural network and genetic algorithm illustrated that to achieve the ideal possible situation in order to achieve a flawless super-fine tube, it is imperative to use the friction coefficient of 0.05, tube length of 40 mm, channel angle of 140 degrees and diameter increase difference of 1.5 mm. With such values, strain fluctuations reach 0.23, lowest value, and also the force reaches 0.49 KN and the amount of applied strain reaches its highest value to 2.37. Manuscript profile