استفاده از مدل هیبریدی الگوریتم ژنتیکی و شبکه عصبی مصنوعی در پیش بینی زبری سطح ماشین کاری اسپارک
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 801
This Paper With 12 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:
NRIME01_134
تاریخ نمایه سازی: 27 بهمن 1394
Abstract:
این تحقیق به بررسی اثر پارامترهای ورودی ماشین کاری اسپارک (شدت جریان، زمان روشنی و خاموشی پالس، ولتاژ و سیکل کار) بر زندگی سطح قطعه کار می پردازد. مقادیر به دست آمده حاصل از انجام آزمایشات با استفاده از تکنیک شبکه های عصبی مصنوعی و روش تلفیق الگوریتم ژنتیکی با شبکه های عصبی مورد مدلسازی و مقایسه قرار گرفتند . مشخص شد که با به کارگیری الگوریتم ژنتیکی در شبکه عصبی نتایج بهتری نسبت به اجرای تنهای شبکه عصبی حاصل می شود. این امر به دلیل بهینه ساختن وزن ها و بایاس های شبکه در هر نسل جدید نسبت به نسل قبلی توسط جمعیت کروموزوم ها می باشد. طبق نتایج آنالیز حساسیت مشخص شد، پارامتر شدت جریان بیشترین تأثیر را بر زبری سطح قطعه کار دارد . نتایج محاسباتی نشان می دهد تلفیق دو روش شبکه عصبی و الگوریتم ژنتیکی ابزاری کارآمد در مدلسازی ماشین کاری اسپارک می باشد.
Keywords:
Authors
فرید ایلچی
دانش کارشناسی ارشد گروه مهندسی مکانیک، دانشگاه آزاد اسلامی واحد ساری
محسن امامی مهر
دانشجوی کارشناسی ارشد گروه مهندسی مکانیک، دانشگاه آزاد اسلامی واحد ساری
یاسر رستمیان
استادیار گروه مهندسی مکانیک، دانشگاه آزاد اسلامی واحد ساری
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 :