پیش بینی پیوستگی فرآیند جوشکاری زیر پودری در ساخت لوله های اسپیرال نفت و گاز با استفاده از شبکه های عصبی مصنوعی
محل انتشار: اولین کنفرانس لوله و صنایع وابسته
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,212
فایل این مقاله در 9 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:
IPPC01_018
تاریخ نمایه سازی: 20 آبان 1385
چکیده مقاله:
دو نوع شبکه عصبی مصنوعی و هوشمند برای پیش بینی زمان توقف ماشین جوشکاری زیر پودری در خط تولید لولـه هـای انتقـال انرژی در یکی از سازندگان بزگ لوله های قطور طراحی گردیده است . شبکه اول قادر به پیش بینی زمان توقف بطور مسـتقل و شبکه دوم قادر به پیش بینی زمان توقف براساس زمان کارکرد می باشـد . هـر دو شـبکه ازنـوع Cascade-forward backprop می باشند که تابع آموزش آنها adoption learning function: learnGDM و trainLM می باشند که performance function =MSE در نظر گرفته شده اسـت . سـاختار شـبکه اول سـاختار 1} و 15 و 25 و 20 و {1 و ساختار شبکه دوم 1} و 5 و 33 و 22 و {1 طرح گردیده است . نتایج داده های تست حاکی از قدرت مناسب پیش بینـی توسـط روش بکار رفته است .
کلیدواژه ها:
نویسندگان
سیدجعفر گلستانه
شرکت لوله و تجهیزات سدید
محمدرضا فروزان
دانشگاه صنعتی اصفهان
فرنوش فروزان
دانشگاه صنعتی اصفهان
سیدعلیرضا طباطبایی
شرکت لوله و تجهیزات سدید
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 :