کاربرد طراحی آزمون، مدل سازی سطح پاسخ و شبکه عصبی مصنوعی در مطالعه سایش آمیزه لاستیکی
نویسندگان
چکیده
اثر عوامل مختلف فرمول بندی بر رفتار سایش، رشد ترک و مدول آمیخته رویه تایر در دو مطالعه موردی بررسی شد. در مطالعه اول، اثر جایگزینی بخشی از کائوچوی طبیعی با کائوچوی بوتادی ان، تغییر مقدار روغن و گوگرد براساس طرح آزمایش مرکب مرکزی (central composite) در یک آمیزه رویه تایر باری برپایه nr/sbr در مجاورت خاک رس اصلاح شده مطالعه شد. در مطالعه دوم، اثر مقدار روغن، گوگرد و سیلیکا با قابلیت پراکنش زیاد در آمیزه رویه تایر سواری آمیخته sbr/br در طرح آزمایش box behnken بررسی شد. در هر دو مطالعه، مدل سطح پاسخ مناسب برمبنای داده های تجربی گردآوری شده براساس طرح آزمایش توسعه داده شد. همچنین، مدل شبکه عصبی مصنوعی چندلایه پیشرو برای بررسی قابلیت این رویکرد پیشرفته در مدل سازی خواص شکست آمیخته لاستیکی توسعه داده شد. مشاهده شد، در مطالعات موردی وابستگی پیچیده خواص شکست آمیخته لاستیکی به عوامل فرمول بندی را می توان به خوبی با مدل پاسخ سطح و شبکه عصبی مصنوعی بیان کرد. برای بیان بهتر رفتار سایش از منحنی های پاسخ سطح استفاده شد. همچنین مشاهده شد، به کمک مدل های آماری مدول و رشد ترک demattia، دانش موجود از نظریه fukahori و نیز نظریه های مکانیکی شیمیایی، رفتارهای پیچیده مشاهده شده برای سایش آمیخته های لاستیکی را می توان بررسی کرد. وجود مقادیر زیاد کائوچوی بوتادی ان منجر به ارجحیت سازوکارهای مکانیکی شیمیایی سایش می شود، اما مقدار دامنه کرنشی میانگین مطابق با مدل fukahori در مقدار سایش آمیزه لاستیکی بسیار کلیدی است.
منابع مشابه
کاربرد مدل شبکه عصبی مصنوعی در پهنهبندی خطر زمینلغزش
ینلغزش بهعنوان یکی از مخاطرات طبیعی در مناطق کوهستانی محسوب میشود که هر ساله منجر به خسارات زیادی میشود. حوضه آبریز دوآب الشتر با داشتن چهرهای کوهستانی و مرتفع و شرایط طبیعی مختلف دارای استعداد بالقوه زمینلغزش است. هدف از این تحقیق پهنهبندی خطر زمینلغزش با استفاده از مدل شبکه عصبی مصنوعی در حوضه دوآب الشتر میباشد. بدین منظور ابتدا پزمارامترهای مؤثر در وقوع زمینلغزش استخراج و سپس لایه...
متن کاملکاربرد مدل سازی شبکه عصبی مصنوعی در تخمین ضریب دبی سرریزهای خطی
سرریزها از جمله سازه های مهم هیدرولیکی هستند که در کانال ها و شبکه های آبرسانی موارد استفاده فراوانی دارند. از رایج ترین انواع سرریزها می توان به سرریزهای مستطیلی، مثلثی و ذوزنقه ای اشاره نمود. در این مطالعه روشی بر اساس مدل سازی شبکه های عصبی مصنوعی، به منظور تعیین ضریب دبی این دسته از سرریزها که به علت داشتن تابع عرضی خطی تحت عنوان کلی سرریزهای خطی بیان شده اند، ارائه شده است. شبکه عصبی مصنوع...
متن کاملکاربرد مدلهای شبکه عصبی مصنوعی و مدل M5 در شبیه سازی جریان ماهانه(مطالعه موردی: رودخانه استور)
مدیریت موثر منابع آبی در یک رودخانه نیازمند شناخت صحیح و کامل از فرآیندهایی است که در آن رخ میدهد. روشهای هوش مصنوعی میتوانند کارایی بالایی جهت شبیهسازی جریان رودخانه در مقیاسهای مختلف زمانی و مکانی داشته باشند. در این مطالعه از روش شبکه عصبی مصنوعی و مدل نمودار درختی M5 جهت شبیهسازی ماهانه جریان رودخانه در ایستگاه استور استفاده گردید. جهت شبیهسازی دادههای دبی جریان ماهانه در این ای...
متن کاملکاربرد شبکه عصبی مصنوعی در مدل سازی توسعه شهری (مطالعه موردی: شهر گرگان)
مدل های شبکه عصبی مصنوعی از مدل های اطلاعاتمحور بهشمار میآیند. مدل تبدیل کاربری/ پوشش زمین، از مدلهایی است که شبکه عصبی مصنوعی را با سیستم اطلاعات جغرافیایی مرتبط می سازد و برای مدلسازی توسعه شهری در شهر گرگان در دوره زمانی سال های 2001-1987 از همین مدل استفاده شد. این مدل از 6 برنامه کاربردی که در برنامه ms-dos اجرا میشود، تشکیل شده است. در این مطالعه، سه گروه از متغیرها شامل متغیرهای بی...
متن کاملطراحی شبکه عصبی مصنوعی برای مدل بندی پاسخ های دو متغیره آمیخته و کاربرد آن در داده های پزشکی
مقدمه و اهداف: زمانی که در یک مطالعه متغیرهای پاسخ دارای مقیاس اندازه گیری متفاوت باشند، پاسخ ها را چندمتغیره آمیخته می گویند. با توجه به محدودیت ها و برقرارنبودن برخی پیش فرض ها، روش های کلاسیک آماری برای مدل بندی و پیش بینی این نوع پاسخ ها کارایی ندارند. هدف این مطالعه، طراحی شبکه عصبی مصنوعی برای مدل بندی و پیش ینی پاسخ های دومتغیره آمیخته است. روش کار: این مطالعه شامل سه مرحله طراحی مدل، شب...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
عنوان ژورنال:
مجله علوم و تکنولوژی پلیمرناشر: پژوهشگاه پلیمر و پتروشیمی ایران با همکاری انجمن پلیمر ایران
ISSN 1016-3255
دوره 28
شماره 3 2015
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023