پیش بینی استحکام خمشی اتصال چسب در قطعات چینی با استفاده از شبکه عصبی مصنوعی
Publish place: 08th Iranian Ceramic Congress
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 625
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:
شناسه ملی سند علمی:
ICC08_028
تاریخ نمایه سازی: 14 مهر 1392
Abstract:
استحکام خام و پخت مناسب بین دو قطعه چینی متصل شده با استفاده از چسب، تابع عوامل مختلف ی است که پیش بینی تاثیر ترکیب چسب و دانه بندی مواد اولیه به وسیله شبکه عصبی مصنوعی هدف این پژوهشمی باشد. فرمولاسیون چ ینی زجاجی با ترکیب مینرالی کائو لینیت، فلدسپار و کوارتز به ترتیب با درصدها ی 30 ،45 25 ساخته شد . برای ته یه چسب از دوغاب بدنه به همراه مواد افزودن ی پلی ونیل الکل PVA) سرکه و کربوکس ی مت یل سلولزCMC) در مقاد یر مختلف استفاده شد . علاوه بر ترک ی ب چسب و درصد چسب دانه بندی آن ن یز بعنوان متغ یر د یگری در نظر گرفته شد . قطعاتی مکع ب مستط یل شکل از بدنه مذکور ته ی ه و با چسب های نامبرده دو به دو به هم متصل گرد یدند که مجموعا 198 نمونه بدست آمد سپس استحکام خمشی در دو حالت خام و پخته شده مورد بررس ی قرار گرفت . نتایج حاصل با بهره گیری از شبکه عصبی مصنوعی با استفاده از سه پارامتر و رودی نوع چس ب، درصد چسب و دانه بندی، جهت پیش بینی استحکام خمشی خام و پخت به کار گرفته شده است . درشبیه سازی داده ها از نرم افزارMatlab استفاده شد و شبیهسازی با استفاده از شبکه پیش خور با الگوریتم پس انتشارLevenberg-Marquardt انجام شده است. پس از آموزش و تست شبکه ب هینه، مشخص شدکه شبکه مورد استفاده با ویژگی های تعیین شده قادر به پیش بینی استحکام با استفاده از سه پارامتر ورودی با دقت مناسب خواهد بود.
Keywords:
Authors
مهدی پوررحمانی
دانشگاه بی نالمللی امام خمینی (ره)،
محمدمسعود محبی
دانشگاه بی نالمللی امام خمینی (ره)،
مریم اسلامی
دانشگاه بی نالمللی امام خمینی (ره)،
مهناز علیجانی
دانشگاه بی نالمللی امام خمینی (ره)،
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 :