مقایسه روش‌های شبکه عصبی مصنوعی در مدل‌سازی فرایند تراش کاری ماده مرکب زمینه پلیمری

مقایسه روش های شبکه عصبی مصنوعی در مدل سازی فرایند تراش کاری ماده مرکب زمینه پلیمری

در این تحقیق ماده مرکب زمینه اپوکسی پرشده با ذرات آلومینیم تهیه گردیده و با تغییر شرایط مختلف تراش کاری شامل: سرعت برش، کسر وزنی ذرات، عمق برش و نرخ پیشروی از قطعات مواد مرکب براده برداری صورت گرفته است. سپس زبری سطح قطعات اندازه گیری شده و برای پیش بینی اثر چهار عامل تراش کاری بر زبری سطح قطعات، با استفاده از دو نوع شبکه عصبی شامل: شبکه عصبی چند لایه پرسپترون و شبکه عصبی با تابع پایه شعاعی، مد...

مدلسازی کاهش COD پساب صنایع پتروشیمی توسط روشهای طراحی آزمایش و شبکه عصبی مصنوعی

در این مقاله ، روش تخریب فتوکاتالیستی به عنوان روشی مناسب جهت تصفیه پساب و حذف اکسیژن مورد نیاز شیمیایی )COD(یکی از واحدهای تولیدی صنایع پتروشیمی معرفی شده و پارامترهای موثر در عملکرد این فرآیند مورد بررسی قرار گرفته است.برای این منظور،با استفاده از فتوکاتالیست تجاری دی اکسید تیتانیم و اندازه‌گیری تجربی پارامتر اکسیژن مورد نیاز شیمیایی،درصد کاهش این پارامتر در فرآیند فتوکاتالیستی در مدت زمان 90...

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی

Optimization of machining parameters is very important and the main goal in every machining process. Surface finishing prediction is a pre-requirement to establish a center for automatic machining operations. In this research, a neuro-fuzzy approach is used in order to model and predict the surface roughness in dry turning. This approach has both the learning capability of neural network and li...

پیش بینی زبری سطح در تراش کاری خشک به کمک شبکه های فازی- عصبی تطبیقی

پیش بینی زبری سطح یک پیش نیاز اساسی برای ایجاد یک مرکز ماشین کاری خودکار می باشد. بهینه سازی فرآیند ماشین کاری در این راستا از اهمیت خاصی برخوردار است. در این مقاله از رهیافت ترکیبی فازی- عصبی (سیستم استنتاج فازی- عصبی تطبیقی ANFIS) به منظور پیش بینی زبری سطح در تراش کاری خشک استفاده شده است. به طوری که داده های حاصل از آزمایش ها به منظور ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه های عصبی...

مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی

مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...

پیش بینی خرابی و عیب یابی ماشین های تراش با رویکرد شبکه عصبی مصنوعی