CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

استفاده از شبکه عصبی برای پیش بینی عمر مته در فرایند سوراخ کاری

اعتبار موردنیاز : ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۱۶۶ | نظرات: ۰
سرفصل ارائه مقاله: ماشینکاری
سال انتشار: ۱۳۸۸
نوع ارائه: پوستر
کد COI مقاله: ICME10_257
زبان مقاله: فارسی
حجم فایل: ۵۸۸.۷۹ کیلوبایت (فایل این مقاله در ۸ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از شبکه عصبی برای پیش بینی عمر مته در فرایند سوراخ کاری

  حسین خوش کیش - استادیار، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران
  محمد صدیقی - دانشیار، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران
    محمد اکبری - کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه علم و صنعت ایران

چکیده مقاله:

در این مقاله نتایج آزمایشگاهی برای فرایند سوراخ کاری با دستگاه CNC برای سایش عمر مته با استفاده از شبکه عصبی مدل سازی شده است. اثر تغییر پارامتر های سرعت برشی، نرخ پیشروی، سختی، جنس قطعه کار و قطر مته برسایش سطح آزاد، سایش لبه برنده عرضی و تعداد سوراخ های زده شده تا لحظه شکست (عمر ابزار) بررسی شده است. آزمایش ها بر روی دو ماده EN و 24ٍ EN8 با قطر های مته mm 12 و mm 14.5 انجام شده است. در این مقاله با استفاده از شبکه عصبی در نرم افزار Matlab به پیش بینی عمر مته در شبکه عصبی پرداخته شده است. نشان داده می شود که نتایج پیش بینی شده توسط شبکه عصبی در مقایسه با نتایج بدست آمده از آزمایش های تجربی برای عمر مته به مقدار میانگین 3,4 درصد خطا دارد. که نشان دهنده کارایی مناسب شبکه عصبی در این موضوع می باشد.

کلیدواژه‌ها:

عمر مته، سوراخ کاری، شبکه عصبی

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-ICME10-ICME10_257.html
کد COI مقاله: ICME10_257

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:
خوش کیش, حسین؛ محمد صدیقی و محمد اکبری، ۱۳۸۸، استفاده از شبکه عصبی برای پیش بینی عمر مته در فرایند سوراخ کاری، دهمین کنفرانس ملی مهندسی ساخت و تولید، بابل، دانشگاه صنعتی نوشیروانی بابل، https://www.civilica.com/Paper-ICME10-ICME10_257.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: (خوش کیش, حسین؛ محمد صدیقی و محمد اکبری، ۱۳۸۸)
برای بار دوم به بعد: (خوش کیش؛ صدیقی و اکبری، ۱۳۸۸)
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 :

  • S.K. Choudhury, V.K. Jain, Online monitoring of tool wear in ...
  • John A. Bullinaria "Introduction to Neural Networks "2nd Year UG, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۲۰۵۰۴
    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:
  • هوش مصنوعی > شبکه عصبی
  • 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.