پیش بینی صافی سطح ماشینکاری با شبکه های عصبی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی مکانیک
- author فراهیم جعفروند
- adviser رضا معدولیت
- Number of pages: First 15 pages
- publication year 1384
abstract
صافی سطح نقش مهمی در کیفیت قطعات دارد. پیش بینی صافی سطح، موضوعی است که از مدت ها قبل مورد توجه محققان قرار گرفته است. در این پایان نامه مدل هایی برای پیش بینی صافی سطح ارایه شده است. پارامترهایی که در این مدل ها مورد نظر قرار گرفته اند پارمترهای ماشینکاری (سرعت برشی، پیشروی و عمق بار) و مولفه های نیروی ماشینکاری می باشند. 36 آزمایش با ترکیب 4 سطح سرعت برشی، 3 سطح سرعت پیشروی و سه سطح عمق بار انجام گرفت و برای هر مورد، نیروهای ماشینکاری در سه جهت پیشروی، شعاعی و برشی اندازه گیری شد. برای هر قسمت ماشینکاری شده، زیری سطح با زیری سنج سوزنی اندازه گیری شد. سپس اثر پارامترهای ماشینکاری بر زیری سطح مورد بررسی قرار گرفت. با استفاده از داده های تجربی بدست آمده، یک مدل رگرسیون و سه مدل شبکه عصبی برای پیش بینی صافی سطح ایجاد شدند. هدف از ایجاد سه شبکه مختلف، بیان لزوم استفاده از شبکه های با قدرت تعمیم دهی بالا برای داده های نویزی به دست آمده و بیان قدرت بالای شبکه های عصبی در مقایسه با رگرسیون بود. مدل های شبکه عصبی مورد استفاده، شبکه فیدفوروارد با الگوریتم آموزش لونبرگ- مارکوارد بود که در سه حالت مختلف الگوریتم لونبرگ ساده، الگوریتم لونبرگ با ساماندهی بیزین و الگوریتم لونبرگ به همراه روش ارلی استاپینگ مورد استفاده قرار گرفت. کارایی هر کدام از مدل ها، با داده های تست ارزیابی شد. نتایج نشان دادند که برای داده های تجربی بدست آمده، شبکه بیزین بهترین نتایج پیش بینی را در مقایسه با دو مدل دیگر شبکه عصبی و همچنین، مدل رگرسیون می دهد و این امر به خاطر بالا بودن قدرت تعمیم دهی و جلوگیری از فیت شدن نویزها توسط مدل می باشد. میانگین خطای پیش بینی 24/7% ، با این روش به دست آمد که نتیجه کاملا قابل قبولی است. همچنین مشاهده شد که شبکه بیزین به مقادیر اولیه وزن ها و ساختار شبکه حساسیت کمی دارد و این باعث می شود که شبکه نسبت به شبکه های دیگر قابل اعتماد تر باشد.
similar resources
پیش بینی سطح مدیریت سود با استفاده از شبکه های عصبی مصنوعی...
اکثر تحقیقات انجام شده در حوزه مدیریت سود به بررسی انگیزه ها و عوامل موثر بر سطح مدیریت سود پرداخته اند، ولی از این متغیرها به طور مستقیم برای پیش بینی سطح مدیریت سود استفاده نشده است. در نتیجه تنها همبستگی بین مدیریت سود و این متغیرها بررسی شده است. از این رو، طراحی یک مدل برای پیش بینی سطح مدیریت سود به منظور کاهش ریسک بحران های مالی ناشی از مدیریت سود و کمک به سرمایه گذاران، اعتبار دهندگان و...
full textکاربردهای شبکه های عصبی در پیش بینی سری های زمانی
استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...
full textپیش 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...
full textپیش 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...
full textترکیب شبکه های عصبی برای پیش بینی قیمت سهام
در این مقاله، یک مدل ابتکاری با ترکیب شبکه های عصبی مصنوعی (ANN) برای پیش بینی رفتار قیمت سهام پیشنهاد و اجرا می شود. این مدل ترکیبی، به صورت ساختار دو طبقه می باشد: شبکه های عصبی طبقه اول یا پیشگوهای پایه (Base Predictor) مسئول پیش بینی روزانه داده ها با ویژگی مختلف یک سهام می باشند و در طبقه دوم، شبکه دیگر، به عنوان ترکیب کننده پیش بینی نهایی را با بررسی و آنالیز اطلاعات پیشگوهای طبقه اول انج...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه علم و صنعت ایران - دانشکده مهندسی مکانیک
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023