مطالعه مقایسه ای مدل های شبکه عصبی و ویونت جهت پیش بینی مقاومت اتصال جوشی یک فلز پالس در فرآیند جوشکاری گاز بی اثر با استفاده از سیگنال های قوسی
محل انتشار: دومین کنفرانس ملی سازه و فولاد
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 907
فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ISSS02_013
تاریخ نمایه سازی: 11 شهریور 1391
چکیده مقاله:
این مقاله نظارت بر مقاومت جوش اتصالات فلز پالس در فرایند جوشگکاری گاز بی اثر را نشان می دهد. روش پاسخ سطح برای اجرای ازمایشات جوشکاری به کار می رود. یک مدل شبکه عصبی 3 لایه ای برای پیش بینی تنش کشش نهایی (UTS) صفحات جوش شده ایجاد شده است. 6 پارامتر ولتاژ پالس، ولتاژ زمینه، دوره پالس، فرکانس پالس، نرخ تغذیه سیم و سرعت جوشکاری، و دو اندازه ی، مقدار میانگین ریشه مربعات (RMS) جریان جوش و و لتاژ، به عنوان متغیرهای ورودی مدل و تنش کشش نهایی صفحات جوش شده به عنوان متغیر خروجی در نظر گرفته شده است. بنابراین ، خروجی به دست آمده از آنالیز شبکه عصبی برای مقایسه با خروجی شبکه ویونت به کار رفته است. هدف اصلی این مقاله ارزیابی توانایی روش شبکه عصبی و حالت خاصی از شبکه عصبی موجکی تحت عنوان ویونت د رپیشگویی مقاومت جوش اتصالات یک فلز پالس در فرایند جوشکاری گاز بی اثر با استفاده از سیگنال های قوس الکتریکی می باشد . نتایج عددی بدست آمده حاکی از آن است که نه تنها شبکه های عصبی و ویونت در تخمین مقاومت جوش از قابلیت بالایی برخوردارند بلکه شبکه ویونت نسبت به شبکه عصبی پیشخورد عملکرد بهتری را داتشه است.
کلیدواژه ها:
شبکه عصبی مصنوعی ، شبکه ویونت ، روش پاسخ سطح ، نظارت مقاومت جوش ، فلز پالس در فرایند جوشکاری گاز بی اثر
نویسندگان
افشین پور تقی
کارشناس ارشد مهندسی عمران، باشگاه پژوهشگران جوان واحد اردبیل، دانشگ
مهدیه ساعدی
دانشجوی کارشناسی ارشد مهندسی عمران - محیط زیست دانشگاه صنعتی نوشیروا
رضا کارکن ازاد
مربی دانشکده فنی مهندسی دانشگاه محقق اردبیلی
حسن امینی راد
استادیار، گروه مهندسی محیط زیست دانشگاه صنعتی نوشیروانی بابل
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 :