CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی بیشترین عمق برش در عملیات ماشینکاری با جت آب ساینده بر اساس مدل شبکه عصبی

اعتبار موردنیاز : ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۱۱۱ | نظرات: ۰
سرفصل ارائه مقاله: طراحی جامدات - سایر موارد
سال انتشار: ۱۳۸۷
کد COI مقاله: ISME16_694
زبان مقاله: فارسی
حجم فایل: ۲۰۷.۰۷ کیلوبایت (فایل این مقاله در ۶ 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 ۶ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی بیشترین عمق برش در عملیات ماشینکاری با جت آب ساینده بر اساس مدل شبکه عصبی

  هژیر شاه عباسپور - دانشجوی کارشناسی ارشد- دانشگاه مازندران ، دانشکده فنی ، بخش مهندسی مک
  محسن شاکری - دانشیار- دانشگاه مازندران، دانشکده فنی، بخش مهندسی مکانیک
  خسرو اصغری - دانشیار- دانشگاه مازندران، دانشکده فنی، بخش مهندسی مکانیک

چکیده مقاله:

با توجه به هزینه بالا و زمان بر بودن عملیات ماشین کاری با جت آب ساینده(AWM) ضرورت مدلسازی این فرآیند برای کاربرد صنعتی اجتنا بناپذیر است. فرآیند ماشین کاری با جت آب ساینده، فرآیندی غیر خطی م یباشد ، که به سختی می توان آن را به کمک روش های قدیمی مدل سازی نمود. یکی از روش های مرسوم که می تواند جهت مدل سازی و بهینه سازی پولیش کاری مورد استفاده قرار گیرد، استفاده از شبکه عصبی است. در این مقاله، از شبکه عصبی برای مد لسازی فرآیند ماشین کاری با جت آب ساینده استفاده شده است. در این شبیه سازی، سه پارامتر فشار جت آب ساینده، اندازه ماده ساینده، و زاویه پاشش به عنوان پارامترهای ورودی به مدل و ماکزیمم عمق برش به عنوان پارامتر خروجی در نظر گرفته شده است. شبکه های مختلفی در مدل سازی این فرآیند استفاده و نتایج آنها با هم مقایسه شده و در نهایت شبکه پرسپترون چند لایه با تابع محرک تانژانت- سیگموئید و تحت آموزش پس انتشار ارتجاعی به عنوان بهترین شبکه انتخاب گردید.

کلیدواژه‌ها:

پرسپت رون چند لایه - پس انتشار ارتجاعی - جت سیا ل ساینده- تابع محرک- پولیش کاری

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-ISME16-ISME16_694.html
کد COI مقاله: ISME16_694

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:
شاه عباسپور, هژیر؛ محسن شاکری و خسرو اصغری، ۱۳۸۷، پیش بینی بیشترین عمق برش در عملیات ماشینکاری با جت آب ساینده بر اساس مدل شبکه عصبی، شانزدهمین کنفرانس سالانه مهندسی مکانیک، کرمان، دانشکده فنی مهندسی دانشگاه شهید باهنر، https://www.civilica.com/Paper-ISME16-ISME16_694.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: (شاه عباسپور, هژیر؛ محسن شاکری و خسرو اصغری، ۱۳۸۷)
برای بار دوم به بعد: (شاه عباسپور؛ شاکری و اصغری، ۱۳۸۷)
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 :

  • - حسین امیرآبادی، محسن شاکری، عیسی وطنپور و محمد بخشی ... (مقاله کنفرانسی)
  • منهاج، م، ب، " مبانی شبکه های عصبی "، چاپ ...
  • U. Zuperi, F. Cus, optimization of cutting conditions during cutting ...
  • M ari bor.Slovenia, Robotic and Computer integrated m anufacturing 19(2003) ...
  • _ B. Mursec, U. Zuperl, _ Cus, T. Ploj, a ...
  • _ Kuo- Ming Tsai, Pei-Jen Wang, prediction on surface finish ...
  • _ E. Pitschke, M. Schinhaerl, R. Rascher, P. Sperber, L. ...
  • Neelesh. K.Jain, V. K.Jain, Kalyanmoy. Deb, Optim ization of process ...
  • o.Hiruochi , J.lkeno , "Nano abrasion machining of brittle materials ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۷۱۳۸
    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.