استفاده از شبکه عصبی در پیشبینی نیرو و گشتاور نورد در فرآیند نورد داغ

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,319

This Paper With 5 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ISME19_541

تاریخ نمایه سازی: 2 اردیبهشت 1390

Abstract:

با توجه به تاثیر بسیار زیاد نیرو و گشتاور نورد در شکل دهی ورق درفرآیند نورد داغ و تاثیر این عوامل در دقت ابعادی و خواص مکانیکی محصول، پیش بینی مناسب و دقیق نیرو و گشتاور در این فرآیند مورد توجه بسیاری از طراحان قرار گرفته است. به همین منظور و با توجه به ماهیت غیرخطی فرآیند و تاثیر عوامل بسیار در آن، از شبکه عصبی مصنوعی برای پیش بینی همزمان نیرو و گشتاور نورد استفاده شده است. شبکه مورد نظر به کمک الگوریتم پس انتشار خطا آموزش دیده و تعداد لایه ها و تعداد نرون های لایه پنهان به عنوان مهم ترین عوامل موثر در ساختار شبکه به صورتی انتخاب شده که خطای شبکه به کمترین مقدار ممکن برسد. ورودی های شبکه مقادیر کاهش ضخامت، سرعت نورد، اصطکاک میان ورق و غلتک و دمای اولیه ورق می باشند که بر اساس آنها مقادیر نیرو و گشتاور نورد پیش بینی شده است. علاوه بر این به کمک شبکه عصبی میزان تاثیر هر یک از پارامترهای ورودی بر مقدار نیرو و گشتاور موردبررسی قرار گرفته است.

Authors

مهدی باقری پور

کارشناس ارشد مهندسی مکانیک، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران

حسین بیسادی

استادیار، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
  • مطالعه پدیده نایکنواختی کرنش در فرآیند نورد داغ آلیاژهای آلومینیوم به کمک روش المان محدود [مقاله کنفرانسی]
  • Lu C., 1998. _ Application of ann in combination with ...
  • Nilsson A., 1998. "Predicting the mean temperature of the transfer ...
  • Lee D., Lee Y., 2002. "Application of neural- network for ...
  • Son J.S., Lee D.M., Kim I.S., Choi S.G., 2005. _ ...
  • Laurinen P., Roning J., 2005. _ adaptive neural network modl ...
  • Ko D.C., Lee S.H., Kim D.H., Byon S.M., Park H.D, ...
  • anvil for decrease of defect in hot strip", J. of ...
  • Artificialء، [7] Ozerdem M.S., Kolukisa S., 2008. Neural Network approach ...
  • Tercelj M., Turk R., Kugler G., Perus I., 2008. :Neural ...
  • Park C.J., Hwang I.C., 2008.، Width control Systems with roll ...
  • Shahani A.R., Setayeshi S., Nodamaie S.A., Asadi M.A., Rezaie S., ...
  • Lenard J.G., 207. Primer on Flat Rolling, Elsevier Science Ltd, ...
  • Choudhury S.K., Bartarya G., 2003. "Role Of Temperature And Surface ...
  • Hum B., Colquhoun H.W., Lenard J.G., 1996. "Measuremens of friction ...
  • Lee D.M., Choi S.G., 2004. "Application of on-line adaptable Neural ...
  • نمایش کامل مراجع