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

مدلسازی جریان آشفته دو فازی گاز جامد داخل جداکننده‌‌های سیکلونی با استفاده از شبکه‌های عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۷ | تعداد نمایش خلاصه: ۱۶۳۰ | نظرات: ۰
سرفصل ارائه مقاله: Computational Mechanics - Genetic Algorithms
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: ISME15_377
زبان مقاله: فارسی
حجم فایل: ۳۱۴.۹۱ کلیوبایت (فایل این مقاله در ۷ 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 ۷ 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 مدلسازی جریان آشفته دو فازی گاز جامد داخل جداکننده‌‌های سیکلونی با استفاده از شبکه‌های عصبی مصنوعی

  محمد مقیمان - گروه مکانیک ، دانشکده مهندسی - دانشگاه فردوسی مشهد
  سعید نخعی - دانشجوی کارشناسی ارشدگروه مکانیک ، دانشکده مهندسی - دانشگاه فردوسی م
  سیدمحمد جوادی - دانشجوی دکتری گروه مکانیک ، دانشکده مهندسی - دانشگاه فردوسی مشهد
  ایمان پیش بین (شناسه پژوهشگر - Researcher ID: ۲۰۵۱)
دانشجوی کارشناسی ارشد، گروه مکانیک ، دانشکده مهندسی - دانشگاه فردوسی

چکیده مقاله:

پارامترهای هندسی سیکلون اثر قابل ملاحظهای بر بازده جداسازی و افت فشار جریان داخل سیکلون دارند . بررسی همزمان اثر تمام متغیرهای هندسی با روشهای عددی دینامیک سیالات ١ با وجود دقت بالا نیاز به زمان محاسبات زیاد دارد . یکی از روشهای موثر برای کاهش حجم و زمان محاسبات رایانهای استفاده از شبکههای عصبی مصنوعی ٢ است . در این مقاله با مدلسازی یک شبکه پرسپترون چند لایه ٣ ، بهطور همزمان اثر پارامترهای هندسی مختلف بر دو مشخصه اصلی طراحی سیکلونها یعنی بازده جداسازی و افت فشار حاصل از حرکت جریان مورد مطالعه قرار گرفته است . نتایج نشان میدهد که تعداد نرونهای لایه مخفی اثر قابل توجهی بر همگرایی شبکه عصبی دارد . همچنین افزایش تعداد آرایه در آموزش شبکه خطای شبکه عصبی را کاهش میدهد . نتایج نشان میدهد که با افزایش تعداد آرایههای آموزشی شبکه تا 90 داده، خطای محاسبات شبکه کاهش شدیدی مییابد و در مقادیر بیش از آن تغییر خطا قابل توجه نمیباشد . مقایسه نتایج شبکه عصبی طراحی شده با نتایج کد عددی ٤ و مقادیر تجربی موجود، دقت مناسب و کاهش شدید زمان عملیات محاسباتی را توسط روش شبکههای عصبی نشان میدهد . نتایج شبکه عصبی نشان میدهد که با افزایش بازده جداسازی سیکلون از ۸۸ % ، میزان افت فشار به مقدار زیادی افزایش مییابد

کلیدواژه‌ها:

شبکه های عصبی، شبکه پرسپترون چند لایه، جریان دو فازی، سیکلون

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-ISME15-ISME15_377.html
کد COI مقاله: ISME15_377

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:
مقیمان, محمد؛ سعید نخعی؛ سیدمحمد جوادی و ایمان پیش بین، ۱۳۸۶، مدلسازی جریان آشفته دو فازی گاز جامد داخل جداکننده‌‌های سیکلونی با استفاده از شبکه‌های عصبی مصنوعی، پانزدهمین کنفرانس سالانه مهندسی مکانیک، تهران، دانشگاه صنعتی امیرکبیر، https://www.civilica.com/Paper-ISME15-ISME15_377.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: (مقیمان, محمد؛ سعید نخعی؛ سیدمحمد جوادی و ایمان پیش بین، ۱۳۸۶)
برای بار دوم به بعد: (مقیمان؛ نخعی؛ جوادی و پیش بین، ۱۳۸۶)
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: ۳۳۰۷۶
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 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.