برآورد استحکام فشاری ماسه ریخته گری در مقادیر گوناگون رطوبت با استفاده از شبکه عصبی مصنوعی
Authors
abstract
کیفیت قطعات ریخته گری در قالب گیری ماسه به گونه ای چشم گیر به خواص ماسه مورد استفاده از قبیل استحکام فشاری، نفوذپذیری، سختی قالب و... بستگی دارد که این خواص نیز به پارامترهایی مانند رطوبت، اندازه و شکل دانه ماسه، میزان چسب و... بستگی دارند. در این مقاله، تعداد 84 آزمایش عملی برای بدست آوردن داده های مورد نیاز برای شبیه سازی که همان استحکام فشاری ماسه در درصد رطوبت های معین بودند، انجام گرفته است و روش پژوهش بر مبنای استفاده از مدل های شبکه عصبی بمنظور برآورد استحکام در درصدهای رطوبت دیگر می باشد. مقایسه نتایج بدست آمده از مدل با نتایج آزمایش های عملی جدید نشان می دهند که با استفاده از شبکه عصبی میتوان با دقت بالایی استحکام فشاری ماسه را پیش از استفاده برای قالب گیری تا میزان خطای کم تر از 1% تخمین زد.
similar resources
تخمین استحکام فشاری ماسه ریختهگری در مقادیر مختلف رطوبت با استفاده از شبکه عصبی مصنوعی
کیفیت قطعات ریختهگری درقالبگیری ماسه بهطور چشمگیری به خواص ماسهی مورد استفاده از قبیل استحکام فشاری، نفوذپذیری، سختی قالب و... بستگی دارد که این خواص نیز به پارامترهایی مانند رطوبت، اندازه و شکل دانه ماسه، میزان چسب و... بستگی دارند. در این مقاله، از شبکه عصبی مصنوعی برای بررسی تاثیر میزان رطوبت در استحکام فشاری ماسه استفاده شده است. آزمایشهای عملی متعددی برای بهدست آوردن دادههای مورد ن...
full textتخمین استحکام فشاری ماسه ریختهگری در مقادیر مختلف رطوبت با استفاده از شبکه عصبی مصنوعی
کیفیت قطعات ریختهگری درقالبگیری ماسه بهطور چشمگیری به خواص ماسهی مورد استفاده از قبیل استحکام فشاری، نفوذپذیری، سختی قالب و... بستگی دارد که این خواص نیز به پارامترهایی مانند رطوبت، اندازه و شکل دانه ماسه، میزان چسب و... بستگی دارند. در این مقاله، از شبکه عصبی مصنوعی برای بررسی تاثیر میزان رطوبت در استحکام فشاری ماسه استفاده شده است. آزمایشهای عملی متعددی برای بهدست آوردن دادههای مورد ن...
full textتقریب 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 textبرآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی
دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیمشناسی است که اندازهگیری و برآورد آن ضروری است. با توجه به اینکه دمای خاک فقط در ایستگاههای سینوپتیک کشور اندازهگیری میشود، کمبود آن در نقاط فاقد ایستگاه از چالشهای بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...
full textتقریب مقادیر ویژه ورق با استفاده از شبکه عصبی مصنوعی
هدف از این مقاله، تعیین فرکانس زاویه ای طبیعی ورقها با توجه به شرایط مختلف تکیه گاهی به کمک شبکه عصبی مصنوعی است. یکی از مشهورترین روشهای آموزش شبکه عصبی، استفاده از الگوریتم انتشار برگشتی است. این الگوریتم برای آموزش شبکه های 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 می شود. در این...
full textMy Resources
Save resource for easier access later
Journal title:
فصلنامه علمی - پژوهشی مواد نوینPublisher: دانشگاه آزاد اسلامی واحد مرودشت
ISSN 2228-5946
volume 4
issue شماره 13 2013
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023