مدل سازی پیش بینی مصرف برق در ماشین کاری با استفاده از مدل های هوش مصنوعی
Publish place: Police Artificial Intelligence، Vol: 2، Issue: 1
Publish Year: 1404
نوع سند: مقاله ژورنالی
زبان: Persian
View: 176
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_PAI-2-1_003
تاریخ نمایه سازی: 15 اسفند 1403
Abstract:
امروزه با رشد بی نظیر هوش مصنوعی و افزایش کاربردهای آن در زمینه های مختلف، کاربرد آن در صنعت نیز بیش ازپیش مورد استقبال قرارگرفته است. از نمونه های بارز این کاربردها، استفاده از تکنیک های هوش مصنوعی برای مدل سازی و پیش بینی نیازهای توان در فرآیند ماشین کاری است. وضعیت فعلی باعث افزایش احساس نیاز به پذیرش مدل های پیش بینی توان شده تا در برنامه ریزی فرآیند پایدار قابل اعمال باشد. این مقاله دو تکنیک مدل سازی هوش مصنوعی - شبکه عصبی مصنوعی و رگرسیون بردار پشتیبان - را برای پیش بینی توان مصرفی در فرآیند ماشین کاری معرفی می کند. برای بررسی قابلیت این تکنیک ها برای پیش بینی ارزش توان، یک آزمایش واقعی ماشین کاری انجام شده است. آزمایش ها با استفاده از روش Taguchi طراحی شده اند تا تاثیر تمام پارامترها با حداقل تعداد ممکن از آزمایش ها موردمطالعه قرار گیرد. یک طراحی Taguchi ۴-سطح ۳- عامل L۱۶ برای شرح طرح آزمایش ها استفاده شده است. توان پیش بینی شده توسط هر دو تکنیک مقایسه و ارزیابی شده و مشخص شده است که شبکه عصبی مصنوعی نسبت به رگرسیون بردار پشتیبان به نسبت کمی بهتر عمل می کند. برای بررسی کارایی مدل ها، برخی از آزمون های فرضیه نماینده ازجمله آزمون t برای آزمایش میانگین، آزمون f و آزمون Leven برای آزمایش واریانس انجام شده است. نتایج نشان می دهد که مدل های پیشنهادی در تحقیق برای پیش بینی توان مناسب هستند.
Keywords:
Authors
رضا حاجی زاده اصل
دکتری مکانیک طراحی کاربردی، دانشگاه آزاد اسلامی واحد تهران، تهران، ایران.
محمدرضا حاجی لو
دانشجوی دکتری مهندسی برق، دانشگاه علم و صنعت، تهران، ایران.
علی حاجی زاده اصل
کارشناسی ارشد مدیریت، دانشگاه آزاد اسلامی واحد همدان، 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 :