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

Artificial neural network approach in predicting of material removal rate and surface roughness in electro-discharge machining

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۹۷۲ | نظرات: ۰
سال انتشار: ۱۳۸۴
کد COI مقاله: ICME07_020
زبان مقاله: انگلیسی
حجم فایل: ۲۰۷.۵۸ کلیوبایت (فایل این مقاله در ۱۲ 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 ۱۲ 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 Artificial neural network approach in predicting of material removal rate and surface roughness in electro-discharge machining

  Morteza Sadegh Amalnik - Assistance Professor Department of Mechanical and Industrial Engineering, University of Tabriz, Iran
Farzad Momeni - Post Graduate Student

چکیده مقاله:

Electro-discharge machining (EDM) is increasingly being used in many industries for producing molds and dies, and machining complex shapes with material such as steel, cemented carbide, and engineering ceramics. The stochastic nature of EDM process has frustrated number of attempts to model it physically. Artificial neural networks (ANNs), as one of the most attractive branches in Artificial Intelligence (AI), has the potentiality to handle problems such as prediction of design and manufacturing cost, material removal rate (MRR), diagnosis, modeling, and adaptive control in a complex design and manufacturing systems. This paper uses back propagation (BP) and Radial Based Function (RBF) Artificial Neural Network(ANN) approach for prediction of material removal rate and surface roughness and presents the results of the experimental investigation. Charmilles Technology (EDM-Robofil machine) in the mechanical engineering department is used for machining parts. The networks have four inputs of current (I), voltage (V), Period of pulse on (Ton) and period of pulse off (Toff) as the input processes variables. Two outputs results of material removal rate (MRR) and surface roughness(Ra) as performance characteristics. In order to train the network, and capabilities of the models in predicting material removal rate and surface roughness, experimental data are employed. Then the output of MRR and Ra obtained from RBF neural net compare with experimental results, and amount of relative error is calculated.

کلیدواژه‌ها:

Electro-discharge machining (EDM), Artificial Neural Networks (ANN), RBF

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_020.html
کد COI مقاله: ICME07_020

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:
Sadegh Amalnik, Morteza & Farzad Momeni, ۱۳۸۴, Artificial neural network approach in predicting of material removal rate and surface roughness in electro-discharge machining, اولین کنفرانس بین المللی و هفتمین کنفرانس ملی مهندسی ساخت و تولید, تهران, دانشگاه تربیت مدرس, http://www.civilica.com/Paper-ICME07-ICME07_020.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: (Sadegh Amalnik, Morteza & Farzad Momeni, ۱۳۸۴)
برای بار دوم به بعد: (Sadegh Amalnik & Momeni, 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: ۱۸۸۵۲
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 پیشنهادی مرتبط


مقالات فوق بر اساس داده کاوی مقالات مطالعه شده توسط پژوهشگران محاسبه شده است.

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.