پیش بینی بیشترین عمق برش در عملیات ماشینکاری با جت آب ساینده بر اساس مدل شبکه عصبی
Publish place: 16th Annual Conference on Mechanical Engineering
Publish Year: 1387
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,446
This Paper With 6 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:
ISME16_694
تاریخ نمایه سازی: 20 آبان 1386
Abstract:
با توجه به هزینه بالا و زمان بر بودن عملیات ماشین کاری با جت آب ساینده(AWM) ضرورت مدلسازی این فرآیند برای کاربرد صنعتی اجتنا بناپذیر است. فرآیند ماشین کاری با جت آب ساینده، فرآیندی غیر خطی م یباشد ، که به سختی می توان آن را به کمک روش های قدیمی مدل سازی نمود. یکی از روش های مرسوم که می تواند جهت مدل سازی و بهینه سازی پولیش کاری مورد استفاده قرار گیرد، استفاده از شبکه عصبی است. در این مقاله، از شبکه عصبی برای مد لسازی فرآیند ماشین کاری با جت آب ساینده استفاده شده است. در این شبیه سازی، سه پارامتر فشار جت آب ساینده، اندازه ماده ساینده، و زاویه پاشش به عنوان پارامترهای ورودی به مدل و ماکزیمم عمق برش به عنوان پارامتر خروجی در نظر گرفته شده است. شبکه های مختلفی در مدل سازی این فرآیند استفاده و نتایج آنها با هم مقایسه شده و در نهایت شبکه پرسپترون چند لایه با تابع محرک تانژانت- سیگموئید و تحت آموزش پس انتشار ارتجاعی به عنوان بهترین شبکه انتخاب گردید.
Keywords:
پرسپت رون چند لایه - پس انتشار ارتجاعی - جت سیا ل ساینده- تابع محرک- پولیش کاری
Authors
هژیر شاه عباسپور
دانشجوی کارشناسی ارشد- دانشگاه مازندران ، دانشکده فنی ، بخش مهندسی مک
محسن شاکری
دانشیار- دانشگاه مازندران، دانشکده فنی، بخش مهندسی مکانیک
خسرو اصغری
دانشیار- دانشگاه مازندران، دانشکده فنی، بخش مهندسی مکانیک
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 :