تحلیل و پیش بینی آلایندگی صوتی تراکتور گلدونی با استفاده از روش های آماری، هوش مصنوعی و انفیس
محل انتشار: مجله مهندسی بیوسیستم ایران، دوره: 50، شماره: 3
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 226
فایل این مقاله در 14 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:
JR_IJBSE-50-3_001
تاریخ نمایه سازی: 31 اردیبهشت 1402
چکیده مقاله:
افت شنوایی ناشی از تماس با صدای مضر یکی از مهمترین بیماریهای شغلی محسوب میگردد. مکانیزاسیون کشاورزی با بهکارگیری انواع ماشینآلات سبب بروز مشکلاتی در خصوص ایمنی و سلامت شغلی برای افراد شاغل در این عرصه میشود. در این تحقیق، تعدادی از عوامل موثر بر سروصدای تولید شده در تراکتور باغی گلدونی مدل H. ۹۳۸ مورد ارزیابی و پیشبینی قرار گرفتهاند. آزمون های این پژوهش بر اساس استانداردهای بین المللی صدا ISO ۵۱۳۱ و ISO ۷۲۱۶ در سطوح مختلف دور موتور، موقعیت دنده، نوع جاده و فاصله میکروفن انجام شد. مجموع ترکیبهای تیماری برای استخراج سیگنال های صوت منتشرشده از تراکتور گلدونی با ۷۲ تیمار و ۳ تکرار به ۲۱۶ مورد رسید. اطلاعات به دست آمده به صورت آزمون فاکتوریل بر پایه طرح کاملا تصادفی مورد تجزیه و تحلیل قرار گرفتند. همچنین مدل شبکه عصبی مصنوعی و انفیس برای پیش بینی سطح فشار صدا با ۲۱۶ الگو برای آموزش و ارزیابی ایجاد گردید. نتایج حاصل از بررسیها نشان داد اثر عامل های اصلی در سطح احتمال ۱% بر سطح صدای منتشر شده از تراکتور گلدونی معنی دار بود. در تحلیل فرکانسی، تراز فشار صدا با افزایش فرکانس روند کاهشی داشته و در فرکانس ۴۰۰۰ هرتز در موقعیت گوش راننده به میزان ۹۳/۷۷ دسی بل بود. نتایج حاصل از مدل شبکه عصبی مصنوعی و انفیس در پیشبینی سطح فشار صدای تراکتور گلدونی با بیشترین ضریب تعیین (R۲) برای این پژوهش به ترتیب برابر ۷۳/۹۹ و ۹۱/۹۹ بهدست آمد.
کلیدواژه ها:
نویسندگان
احمد جهان بخشی
دانشجوی دکتری، گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی و منابع طبیعی، دانشگاه محقق اردبیلی، اردبیل، ایران.
کبری حیدربیگی
استادیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، دانشگاه ایلام، ایلام، ایران.
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 :