پیش بینی میزان پرزینگی نخ رینگ با استفاده از شبکه عصبی مصنوعی و سامانه استنتاج تطبیقی عصبی- فازی

امروزه استفاده از روش های بهینه سازی و مدل سازی نوین که بتواند خاصیت خروجی را دقیق تر پیش بینی کند، رواج و پیشرفت بسزایی داشته است؛ چراکه روش های مبتنی بر هوش مصنوعی با هزینه و زمان به مراتب کمتر می تواند پاسخ بهینه با خطای پایین را گزارش کند. در این تحقیق به منظور پیش بینی پرزینگی نخ پنبه/پلی استر رینگ، از شبکه عصبی مصنوعی و سامانه استنتاج تطبیقی عصبی- فازی استفاده شد. برای این منظور زاویه ریسندگی، سختی روکش غلتک، فشار غلتک تولید، فاصله دهنده و فاصله بین غلتک میانی با غلتک تولید به عنوان متغیر های ورودی و عامل پرزینگی به عنوان خروجی در نظر گرفته شد. نتایج حاصل نشان داد که مدل شبکه عصبی مصنوعی به مراتب بهتر از نتایج مدل های رگرسیون معمول بود، از طرفی سامانه استنتاج تطبیقی عصبی- فازی (ANFIS) قابلیت پیش-بینی با ضریب اطمینان بالا و خطای کمتری را نسبت به مدل شبکه عصبی مصنوعی نشان داد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، سامانه استنتاج تطبیقی عصبی- فازی ، پرزینگی نخ ، ریسندگی رینگ ، نخ پنبه/پلی-استر