پیش بینی شکل پذیری و استحکام منسوجات بی بافت چندلایه با استفاده از شبکه عصبی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه یزد
- نویسنده وجیهه مظفری
- استاد راهنما سید منصور بیدکی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1390
چکیده
شکل پذیری ، معرف میزان قابلیت ساختار نساجی برای باقی ماندن به حالت دو بعدی و صاف، بدون هیچ گونه تغییر شکل در بعد سوم می باشد. به دلیل تمایل بشر برای داشتن پوشاکی راحت و با کیفیت، موضوع شکل پذیری از جایگاه ویژه ای در صنعت نساجی برخوردار می باشد. در راستای تحقق این هدف بررسی های زیادی بر روی شکل پذیری منسوجات صورت گرفته است. هدف از انجام این پروژه استفاده از شبکه عصبی به عنوان یک تکنیک برای پیش بینی تاثیر طرح دوخت بر میزان شکل پذیری و استحکام منسوجات بی بافت چند لایه می باشد. پارامترهای ورودی به شبکه طرح دوخت ، طول لبه آزاد و وزن واحد سطح و خروجی شبکه شکل پذیری و استحکام بی بافت دوخته شده می باشد. شبکه عصبی طراحی شده شامل یک لایه پنهان با 4 نرون است و از الگوریتم آموزشی پس انتشار جهت آموزش شبکه استفاده شده است. مقایسه نتایج حاصل از آزمایشات با نتایج پیش بینی شده توسط شبکه عصبی نشان داد که شبکه عصبی مصنوعی یک روش موثر برای پیش گوئی شکل پذیری و استحکام منسوجات منسوج بی بافت دوخته شده می باشد. همچنین قابلیت پیش بینی شبکه عصبی برای طرح دوخت های جدید که در آموزش شبکه از آن ها استفاده نشده بود نیز به طور جداگانه بررسی شد. نتایج نشان داد که ضریب همبستگی بین مقادیر واقعی و پیش بینی شده توسط شبکه عصبی برای پارامتر شکل پذیری برابر با 0.96 و برای پارامتر استحکام برابر با 0.93 می باشد
منابع مشابه
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 ...
متن کاملپیش بینی دماهای ماهانه ایستگاه های همدید منتخب استان اصفهان، با استفاده از شبکه عصبی مصنوعی پرسپترون چندلایه
پیش بینی دما از کاربردی ترین برآوردهای عناصر آب و هوایی است. امروزه بخش های کشاورزی و صنعت وابستگی زیادی به شرایط دمایی (آب و هوا) دارند. دما یکی از فراسنج های بسیار مهم آب و هوایی است و از عوامل اصلی هویت آب و هوایی هر ناحیه محسوب می شود. هدف از انجام این پژوهش، مدل سازی برای پیش بینی میانگین دمای ماهانه ایستگاه های منتخب استان اصفهان است؛ از این رو، پس از بررسی طول دوره آماری ایستگاههای موجود...
متن کاملپیش بینی بزرگای زلزله با استفاده از شبکه عصبی پرسپترون چندلایه
به دلیل نواقص موجود در روش های پیشین محاسبه بزرگای زلزله، شبکه عصبی به عنوان یک روش جدید برای این منظور آزمایش می گردد. در این مقاله نوعی شبکه عصبی با نام پرسپترون چندلایه برای پیش بینی بزرگای گشتاوری زلزله مورد استفاده قرار گرفته است. شبکه عصبی پرسپترون شامل سه لایه اصلی با نام های لایه ورودی، لایه پنهان و لایه خروجی است. ورودی های این شبکه شش متغیر مربوط به مکان و زمان وقوع زلزله و همچنین مشخ...
متن کاملپیش بینی قیمت سهام با استفاده از شبکه عصبی فازی مبتنی برالگوریتم ژنتیک و مقایسه با شبکه عصبی فازی
In capital markets, stock price forecasting is affected by variety of factors such as political and economic condition and behavior of investors. Determining all effective factors and level of their effectiveness on stock market is very challenging even with technical and knowledge-based analysis by experts. Hence, investors have encountered challenge, doubt and fault in order to invest with mi...
متن کاملپیش بینی کوتاه مدت بار استان چهارمحال و بختیاری با استفاده از اجماع شبکه های عصبی
پیشبینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تأثیرگذار بر پیشبینی کوتاه مدت بار به ویژگیهای بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از دادههای واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیشبینی کوتاه مدت بار الکتریکی استان پرداختهایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی ...
متن کاملمدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی
شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه یزد
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023