پیش بینی نیرو در فرآیند اکستروژن معکوس قطعات تو خالی به کمک روشهای نوین هوش مصنوعی
Publish place: National Conference on Mechanical Engeering
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 958
This Paper With 5 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
EASTTEHRANMECH02_063
Index date: 30 June 2013
پیش بینی نیرو در فرآیند اکستروژن معکوس قطعات تو خالی به کمک روشهای نوین هوش مصنوعی abstract
اکستروژن یکی از فرآیندهای مهم در ساخت و تولید قطعات نظامی و صنعتی به شمار می رود و طراحی ابزار آن اغلب با سعی و خطا بودهو نیاز به تخصص بالا و تجربه کافی دارد. فرآیند اکستروژن معکوس یکی از فرآیندهای رایج برای تولید قطعات تو خالی با انتهای بسته بهشمار می رود. از جمله محدودیت های موجود در فرآیند اکستروژن معکوس نیروی زیاد لازم برای شکل دهی قطعه کار است. این موضوعبه خصوص برای قطعاتی که دارای دیواره نازکی هستند، بسیار مشکل سازتر است و تحلیل آن به کمک نرم افزارهای اجزا محدوددارای محدودیت است. دراین راستا استفاده از روش های هوش مصنوعی برای پیشبینی نیرو در فرآیند اکستروژن معکوس علاوه براینکه از صرف وقت و هزینه زیاد جلوگیری می کند، مشخصه های کیفی محصول را نیز افزایش می دهد. در این مقاله با استفاده از دادههای موجود و روشهای پیشنهادی برای تغییرات نیروی سمبه در طول فرآیند اکستروژن معکوس به آموزش سیستم پرداخته و سپسبا استفاده از داده های تست عملکرد سیستم را مورد ارزیابی قرار می دهیم. کارآیی روش مزبور نیز از طریق مقایسه نتایج بدست آمده بانتایج دیگر مورد ارزیابی قرار می گیرد.
پیش بینی نیرو در فرآیند اکستروژن معکوس قطعات تو خالی به کمک روشهای نوین هوش مصنوعی Keywords:
پیش بینی نیرو در فرآیند اکستروژن معکوس قطعات تو خالی به کمک روشهای نوین هوش مصنوعی authors
مسعود شریعت پناهی
دانشیار دانشکده مهندسی مکانیک، دانشگاه تهران
نوید مشتاقی یزدانی
دانشجوی کارشناسی ارشد مکاترونیک دانشگاه تهران
حمیدرضا معتمدزاده
دانشجوی کارشناسی ارشد مکاترونیک دانشگاه تهران
پویا افرند
دانشجوی کارشناسی ارشد مکاترونیک دانشگاه تهران
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 :