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

مطالعه ی مقایسه ای عملکرد شبکه عصبی مصنوعی و مدل رگرسیونی در پیشبینی هندسه ی حوضچه ی جوش در فرآیند جوشکاری با گاز محافظ و الکترود تنگستنی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۷۵ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: ICISE02_070
زبان مقاله: فارسی
حجم فایل: ۶۲۱.۰۱ کیلوبایت (فایل این مقاله در ۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۷ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۷ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مطالعه ی مقایسه ای عملکرد شبکه عصبی مصنوعی و مدل رگرسیونی در پیشبینی هندسه ی حوضچه ی جوش در فرآیند جوشکاری با گاز محافظ و الکترود تنگستنی

  فرهاد کلاهان - دانشیار، گروه مکانیک، دانشکدهی مهندسی، دانشگاه فردوسی مشهد؛
  عطا الله جداری لطف آبادی - دانشجوی کارشناسی ارشد، گروه مکانیک، دانشکده مهندسی، دانشگاه فردوسی مشهد؛
  محمد مهدی تفرج - دانشجوی دکترای، گروه مکانیک، دانشکدهی مهندسی، دانشگاه فردوسی مشهد؛

چکیده مقاله:

جوشکاری قوسی با الکترود تنگستن در پناه گاز محافظ که به اختصار جوش آرگون یا تیگ نامیده می شود یکی از مهمترین روش های جوشکاری در صنایع مختلف است. با توجه به این موضوع که کیفیت جوش میتواند به هندسه جوش نیز وابسته است، در این پژوهش، از شبکههای عصبی مصنوعی و مدلهای رگرسیونی برای یافتن رابطهای بین متغیرهای فرآیند جوشکاری (شامل شدت جریان، سرعت جوشکاری و گپ) با شکل حوضچه ی جوش استفاده و عملکرد هر دو روش در پیشبینی ابعاد حوضچه ی حرارتی مقایسه شده است. قابلیت مدلهای حاصل با داده های تجربی سنجیده شد. نتایج نشان داد که مدل حاصل از شبکه های عصبی تطابق بهتری با دادههای تجربی دارد و دارای خطای کمتری میباشد.

کلیدواژه‌ها:

شبکههای چند لایه پرسپترون، جوش تیگ، مدل رگرسیونی، حوضچه جوش

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:
https://www.civilica.com/Paper-ICISE02-ICISE02_070.html
کد COI مقاله: ICISE02_070

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:
کلاهان, فرهاد؛ عطا الله جداری لطف آبادی و محمد مهدی تفرج، ۱۳۹۵، مطالعه ی مقایسه ای عملکرد شبکه عصبی مصنوعی و مدل رگرسیونی در پیشبینی هندسه ی حوضچه ی جوش در فرآیند جوشکاری با گاز محافظ و الکترود تنگستنی، دومین کنفرانس بین المللی مهندسی صنایع و سیستم­ها (ICISE 2016)، بصورت الکترونیکی، گروه مهندسی صنایع دانشگاه فردوسی، https://www.civilica.com/Paper-ICISE02-ICISE02_070.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: (کلاهان, فرهاد؛ عطا الله جداری لطف آبادی و محمد مهدی تفرج، ۱۳۹۵)
برای بار دوم به بعد: (کلاهان؛ جداری لطف آبادی و تفرج، ۱۳۹۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :

  • Benyounis, K. Y and Olabi, a. G , :Optimization of ...
  • Trang, Y.s, Tsai, H.L., and Yeh, S.S., , :Modeling, optimization ...
  • Jia, X., et al., A new method to estimate heat ...
  • N. Murugan , V. Gunaraj, 2005, Prediction and control of ...
  • shapere lationshipsin submerged arc welding of pipes, International Journalof Materials ...
  • J. P. Ganjigatti & D. K. Pratihar & _ RoyChoudhury ...
  • arcwelding parameters based on artificial neurl networks, International Journal of ...
  • C.S. Wu, J.Q. Gao and Y.H. Zhao, 2006, ...
  • Neuralnetwork for weld penetration control in gas tungsten arcwelding, Journal ...
  • Geometry", J. Mat. ProcessingTech - , Vol. 108, No.1, pp. ...
  • modelsto predict weld bead geometry for lux cored arc welding", ...
  • شبکه های عصبی مصنوعی و کاربرد آن در جوشکاری [مقاله کنفرانسی]
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۲۲۶۱۴
    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

    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • صنعت اتصال > جوشکاری
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    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.