ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

An adaptive-network-based fuzzy inference system (ANFIS) for prediction of characteristics in the Mechanics of Composite Materials

سال انتشار: 1398
کد COI مقاله: MMICONF01_006
زبان مقاله: انگلیسیمشاهده این مقاله: 201
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد
محتوای کامل این مقاله با فرمت WORD هم قابل دریافت می باشد.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF و یا WORD در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله An adaptive-network-based fuzzy inference system (ANFIS) for prediction of characteristics in the Mechanics of Composite Materials

Hadi Mehdipour - Department of Mechanical Engineering, Faculty of Shahid Chamran, Kerman Branch, Technical and Vocational University (TVU), Kerman, Iran

چکیده مقاله:

Lack of actual amount of principal factors in the composite materials filed results in imprecision and uncertainty. Use of different approaches for analyzing and solving the engineering problems depends on nature and amount of uncertainty of problems.When the information of the system is characterized through linguistic terms in such situations, the fuzzy theory can be used to determine the structural response in the sense of evaluation of its upper and lower bounds, respectively. We can obtain a more strong fuzzy system by combining neural network techniques and fuzzy logic called Adaptive Fuzzy Systems (AFS).In this article, we propose a new neuro-fuzzy technique for the composite materials, in order to find an optimal volume fraction when Hooke’s law is utilized in a unidirectional lamina. We devised an Adaptive Network-based Fuzzy Inference System (ANFIS) as an estimator system for composite materials science. To construct a neuro-fuzzy system has utilized a Takagi-Sugeno-Kang type fuzzy system. We show that the ANFIS is more accurate rather than a rule of mixture theory in the estimation of empirical data especially in uncertain situations. In order to evaluate the proposed approach, we perform experiments on a dataset of empirical data through MATLAB software. Wecompared the ability of the proposed approach with the rule of mixtures approach and illustrated that ANFIS is more accurate to estimate the empirical data.

کلیدواژه ها:

Composite materials; ANFIS; Fuzzy logic; rule of mixture

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا MMICONF01_006 میباشد و 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://civilica.com/doc/1006904/

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:
Mehdipour, Hadi,1398,An adaptive-network-based fuzzy inference system (ANFIS) for prediction of characteristics in the Mechanics of Composite Materials,First International Conference on Mechanical, Manufacturing, Industrial and Civil Engineering,,,https://civilica.com/doc/1006904

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: (1398, Mehdipour, Hadi؛ )
برای بار دوم به بعد: (1398, Mehdipour؛ )
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 7,079
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.

مقالات مرتبط جدید

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.

پشتیبانی