کاربرد مدل شبکه عصبی جهتپیشبینی تنشتسلیم در فولاد API X65

سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,243

متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ISME19_570

تاریخ نمایه سازی: 2 اردیبهشت 1390

چکیده مقاله:

در این مقاله از شبکه های عصبی پیشرو با الگوریتم پس انتشار خطابرای پیشبینی تنش تسلیم فولادAPI X65 مورد استفاده در خطوط انتقال انرژی) با توجه به ترکیب شیمیایی آن استفاده شده است. از آنجا که کربن، منگنز، وانادیوم، نیوبیوم و تیتانیوم عناصراصلی آلیاژسازی این فولاد را تشکیل می دهند؛ این عناصر به عنوان متغیرهای ورودی شبکه و تنش تسلیم به عنوان خروجی شبکه در نظر گرفته شده است. از نتایج آنالیز ترکیب شیمیایی 50 لوله فولادی و تست کشش تک محوری روی نمونه تخت (در جهت محیطی لوله) که در مقیاس صنعتی انجام شده است؛ برای آموزش شبکه استفاده شد. با توجه به راهکارهایی که در این مقاله به کار گرفته شده است شبکه عصبی بهینه به دست آمد. نتایج حاصل از این شبکه به خوبی بر داده های واقعی منطبق است.

نویسندگان

سیدحجت هاشمی

دانشیار، دانشگاه بیرجند، دانشکده مهندسی، گروه مکانیک

مسعود رخش خورشید

دانشجوی دکتری، دانشگاه بیرجند، دانشکده مهندسی، گروه مکانیک

ابراهیم خلیل حیدری فارفار

کارشناس ارشد، دانشگاه بیرجند، دانشکده مهندسی، گروه مکانیک

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 :
  • مصطفی کیا، 1387، "شبکه های عصبی در، "MATLAB نشر کیان ...
  • Korczak P., 2004, Modeling of steel microstructure evolution during th ...
  • Hosseini S.M.K., Zarei-Hanzak A., Yazdan Panah M.J., Yue S., 2004. ...
  • Guo Z., Sha W., 2004. "Modelling the correlation between processing ...
  • Hagan. M.T, Demath. H.B, Beale. M, 1996. Neural Network Design, ...
  • Hornik K., Stinchcombe M., White H., 1989. "Multilayer feedforward networks ...
  • MATLAB@ software, R2008a, Neural Network Toolbox User's Guide, 2008. ...
  • Lin Y.C., Liu G., Chen M.S., Zhong J., 2009. "Prediction ...
  • نمایش کامل مراجع