کاربرد طراحی آزمون، مدل سازی سطح پاسخ و شبکه عصبی مصنوعی در مطالعه سایش آمیزه لاستیکی

Authors

  • حسین وارسته بیرجند، شرکت کویر تایر واحد تکنولوژی، صندوق پستی 518
  • علیرضا نخعی یزد، دانشگاه آزاد اسلامی، واحد یزد، گروه شیمی، کد پستی 8916871967
  • مهدی شیوا بیرجند، دانشگاه صنعتی بیرجند، گروه مهندسی شیمی، کد پستی9719866981
Abstract:

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

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...

full text

کاربرد 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...

full text

کاربرد 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...

full text

کاربرد 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...

full text

طراحی 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...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 28  issue 3

pages  209- 197

publication date 2015-07-23

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023