پیش بینی نیرو و گشتاور در فرآیند نورد داغ ورق با استفاده از شبکه عصبی مصنوعی و روش المان محدود

Authors

حمیدرضا رضایی آشتیانی

استادیار دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک، اراک

abstract

در این مطالعه، به بررسی اثرات پارامتر های مختلف فرآیند نورد داغ و پیش بینی نیرو و گشتاور نورد با استفاده از مدل های شبکه عصبی مصنوعی و المان محدود سه بعدی پرداخته شده است. برای این منظور داده های به دست آمده از شبیه سازی المان محدود سه بعدی برای آموزش و ارزیابی شبکه، وارد شبکه عصبی می شوند و پس از آموزش و ارزیابی، شبکه قادر خواهد بود که نیرو و گشتاور نورد را پیش بینی کند. نتایج پیش بینی شده از شبیه سازی المان محدود برای اعتبار سنجی با نتایج تجربی مقایسه شده است که نتایج به دست آمده از تطابق خوبی برخوردار بوده است. به این ترتیب برای ایجاد مدل شبیه سازی المان محدود و مدل شبکه عصبی مصنوعی به ترتیب از دو نرم افزار آباکوس و متلب استفاده شده است. الگوریتم و تابع آموزش به کار رفته در این مدل به ترتیب الگوریتم پس انتشار خطا و لونبرگ- مارکورت بوده است. در اینجا پارامترهای مختلف و مهم فرآیند نورد داغ شامل دمای اولیه ورق، ضریب انتقال حرارت بین ورق و غلتک های کاری، کاهش ضخامت ورق، ضخامت اولیه ورق و سرعت نورد مورد بررسی قرار گرفته است. نتایج به دست آمده از شبکه عصبی مصنوعی حاکی از آن می باشد که می توان با تغییر پارامتر های مختلف فرآیند نورد داغ، مقادیر نیرو و گشتاور را در کمترین زمان ممکن با دقت بالا پیش بینی نمود.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی نیرو و گشتاور در فرآیند نورد داغ ورق با استفاده از شبکه عصبی مصنوعی و روش المان محدود

در این مطالعه، به بررسی اثرات پارامتر‌های مختلف فرآیند نورد داغ و پیش بینی نیرو و گشتاور نورد با استفاده از مدل‌های شبکه عصبی مصنوعی و المان محدود سه بعدی پرداخته شده است. برای این منظور داده های به‌دست آمده از شبیه سازی المان محدود سه‌بعدی برای آموزش و ارزیابی شبکه، وارد شبکه عصبی می شوند و پس از آموزش و ارزیابی، شبکه قادر خواهد بود که نیرو و گشتاور نورد را پیش بینی کند. نتایج پیش بینی شده از ...

full text

پیش بینی رفتار تغییر شکل داغ آلیاژ آلومینیوم 2030 با استفاده از شبکه عصبی مصنوعی

رفتار تغییر شکل داغ مواد بدلیل وابستگی آن به تغییرات کرنش، نرخ کرنش و دما دارای پیچیدگی های قابل ملاحظه ای است و لذا پیش بینی  رفتار ماده در این شرایط مشکل می باشد. هدف از این بررسی پیش بینی رفتار تغییر شکل داغ  آلیاژ آلومینیوم 2030 با استفاده از یک شبکه عصبی مصنوعی توسعه یافته مناسب می باشد. برای این منظور از آزمایش­های فشار داغ در محدوده دمایی بین 350 تا 500 درجه سلسیوس و در نرخ کرنش­های بین ...

full text

تخمین نیرو در فرآیند اکستروژن سرد مستقیم مقاطع دایروی با استفاده از روش المان محدود ABAQUS

هدف از انجام این مقاله پژوهشی، تخمین نیرو در فرآیند اکستروژن سرد مستقیم مقاطع دایروی با استفاده ازروش اجزاء محدود با استفاده از نرم افزار ABAQUS برای دو حالت ضمنی و غیر ضمنی (صریح) و مقایسه نتایج آن با نتایج روش تحلیلی قاچی Slab Method و روش آزمایشگاهی می­باشد. در این مقاله پژوهشی یک فرآیند اکستروژن مستقیم برای مقاطع دایروی با استفاده از روش­های تحلیلی قاچی، روش اجزاء محدود به کمک نرم افزاری AB...

full text

پیش بینی تولید آبزیان دریایی در ایران با استفاده از روش ARIMA و شبکه عصبی مصنوعی

پیش­بینی پدیده­های اقتصادی ساختاری فراهم می­کند تا مدیران و مسؤلان اقتصادی را در گرفتن تصمیم‌های درست یاری ­دهد. هدف اصلی این مطالعه پیش­بینی مقدار تولید آبزیان دریایی در ایران است. برای این منظور از روش­های سری زمانی خود توضیح جمعی میانگین متحرک (ARIMA)[1] و شبکه عصبی مصنوعی[2] استفاده می­شود. در این مطالعه سه ساختار گوناگون شبکه عصبی شامل شبکه عصبی پیشرو[3]، تابع پایه شعاعی[4] و المن[5] بکار ...

full text

پیش بینی میدان سرعت و توزیع کرنش در منطقه تغییر شکل فرایند نورد داغ ورق

در این مقاله با استفاده از روش اجزا محدود میدان سرعت در منطقه تغییر شکل در حین نورد داغ ورق تعیین می گردد و به کمک آن توزیع کرنش در منطقه تغییر شکل و همچنین نیروی نورد پیش بینی میشود. آنالیز مورد استفاده قادر است اثر عوامل مختلف از قبیل دمای تغییر شکل ،کارسختی فلز،سرعت نورد،واصطکاک را برمیدان سرعت ارائه دهد. مقایسه نتایج بدست آمده از تئوری با نتایج آزمایش مربوط به نورد ورقهای فولادی نشان دهنده ...

full text

تقریب مقادیر ویژه ورق با استفاده از شبکه عصبی مصنوعی

هدف از این مقاله، تعیین فرکانس زاویه‌ای طبیعی ورق‏ها با توجه به شرایط مختلف تکیه‌گاهی به کمک شبکه عصبی مصنوعی است. یکی از مشهورترین روش‏های آموزش شبکه عصبی، استفاده از الگوریتم انتشار برگشتی است. این الگوریتم برای آموزش شبکه‌های چند لایه قابل کاربرد است. الگوریتم انتشار برگشتی بر مبنای کاهش گرادیان بوده و در آن شیب خطا به تدریج کم شده و وزن‏های شبکه برای رسیدن به حداقل خطا، تعدیل می‌شود. در این...

full text

My Resources

Save resource for easier access later


Journal title:
مکانیک سازه ها و شاره ها

جلد ۶، شماره ۳، صفحات ۱۴۹-۱۶۲

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023