CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

Variation Source Diagnosis in Compliant Sheet Metal Assemblies Using Neural Networks

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۱ | تعداد نمایش خلاصه: ۸۹۴ | نظرات: ۰
سال انتشار: ۱۳۸۴
کد COI مقاله: ICME07_205
زبان مقاله: انگلیسی
حجم فایل: ۲۳۴.۷۳ کلیوبایت (فایل این مقاله در ۱۱ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۱ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله Variation Source Diagnosis in Compliant Sheet Metal Assemblies Using Neural Networks

  M Shariat-Panahi - Assistant Professor Department ofMechanical Engineering,University of Tehran, Tehran, Iran
  S.H Sadat - Graduate Students, Dept. of Mechanical Engineering, Sharif University of Technology, Tehran, Iran
  S Bagheri - Graduate Students, Dept. of Mechanical Engineering, Sharif University of Technology, Tehran, Iran
M.H Mokhtari - Senior Design Engineer, Iran Khodro Company, Tehran, Iran

چکیده مقاله:

When a structure is made up of deformable sheet metal panels joined together by means of spot welds, rivets, adhesives or the like, it is commonly referred to as a compliant sheet metal assembly (CSMA). The dimensional quality of a CSMA is primarily determined by the variations of its constituent parts and fixture(s). While conventional variation analysis methods such as Worst Case, Root Sum Square and Monte Carlo may be able to simulate the contribution of rigid part variations to the dimensional variation of the final product, they definitely do not produce realistic results for the case of compliant sheet metal assemblies. In recent years, a number of CSMA-specific models have been proposed that take into account the deformability of the constituent parts. These models can fairly accurately predict the variations of the final assembly, given the variations of the individual parts and of the fixture(s). However, they are more of a prediction tool rather than a diagnosis tool which the designers really need. In other words, the designer often wishes to identify the source(s) of a particular variation in the final product (assembly) as a function of the variations of the components and the fixtures; whereas these models only predict the effect of a component-level variation in the assembly.

کلیدواژه‌ها:

Sheet Metal Assemblies, Variation Analysis, Fault Diagnosis, Neural Networks

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
http://www.civilica.com/Paper-ICME07-ICME07_205.html
کد COI مقاله: ICME07_205

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
Shariat-Panahi, M; S.H Sadat; S Bagheri & M.H Mokhtari, ۱۳۸۴, Variation Source Diagnosis in Compliant Sheet Metal Assemblies Using Neural Networks, اولین کنفرانس بین المللی و هفتمین کنفرانس ملی مهندسی ساخت و تولید, تهران, دانشگاه تربیت مدرس, http://www.civilica.com/Paper-ICME07-ICME07_205.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (Shariat-Panahi, M; S.H Sadat; S Bagheri & M.H Mokhtari, ۱۳۸۴)
برای بار دوم به بعد: (Shariat-Panahi; Sadat; Bagheri & Mokhtari, ۱۳۸۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز:
تعداد مقالات: ۵۲۴۵۵
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مدیریت اطلاعات پژوهشی

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

مقالات مرتبط جدید

شبکه تبلیغات علمی کشور

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.