ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شبیه سازی فرآیند فورج داغ با استفاده از روش اجزاء محدود و استفاده از شبکه عصبی مصنوعی در پیش بینی پارامترهای شکل دهی

سال انتشار: 1390
کد COI مقاله: ICME12_119
زبان مقاله: فارسیمشاهد این مقاله: 562
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شبیه سازی فرآیند فورج داغ با استفاده از روش اجزاء محدود و استفاده از شبکه عصبی مصنوعی در پیش بینی پارامترهای شکل دهی

خلیل خلیلی - استادیار گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه بیرجند
حسین فنودی - دانشجوی دکتری ساخت و تولید، گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه بیرجند

چکیده مقاله:

در تحقیق حاضر، فرآیند فورج یک قطعه از جنس فولاد AISI-1025 توسط نرم افزار اچزاء محدود Deform3D، که به خصوص برای فرآیند های شکل دهی حجیم طراحی گردیده، شبیه سازی شده است. از آنجایی که پیش بینی دقیق مقدار نیرو در این فرآیند در دقت ابعادی و خواص مکانیکی محصول، حائز اهمیت است و با توجه به تعدد پارامترهای موثر و نیز ماهیت غیر خطی فرآیند از شبکه عصبی مصنوعی استفاده شده است. مضافاً استفاده از شبکه عصبی، باعث صرفه جویی در زمان تحلیل فرآیند می شود. در اینجا از شبکه عصبی پیشخور با الگوریتم پس انتشار خطا استفاده شده که یکی از قوی ترین شبکه ها برای شبیه سازی مسائل غیر خطی بوده و قابلیت برازش مناسب بر هر گونه داده ای را دارد. ورودیهای شبکه عبارتند از دمای اولیه بیلت، سرعت حرکت قالب، ضریب اصطکاک بین بیلت و قالبها و مقدار فشرده شدن بیلت. از نتایج مدل المان محدود جهت آموزش شبکه استفاده شده و سپس از شبکه آموزش دیده به منظور پیش بینی مقدار نیروی لازم برای شکل دهی، مقادیر کرنش و دما، استفاده شده است. نتایج حاصله تطابق قابل قبولی در مقایسه با نتایج مدل المان محدود دارند. پس از تست صحت کارایی شبکه، میزان تاثیرگذاری هر یک از پارامترهای ورودی شبکه عصبی در مقدار خطای ایجاد شده ناشی از حذف هر کدام از پارامترهای مذکور بررسی شده است. نتایج نشان می دهد به ترتیب ، عوامل اصطکاک و میزان فشردگی بیلت، بیشترین تاثیر را بر روی نیروی برآورد شده دارند. در ضمن، به منظور طراحی ساختار بهینه شبکه عصبی، یک برنامه در محیط نرم افزار متلب نوشته شده و با تغییر پارامترهای مختلف (تعداد لایه ها، تعداد نرونها در هر لایه، نرخ یادگیری و ضریب مومنتم) کارایی شبکه بر اساس معیار میانگین مربعات خطاها مورد ارزیابی قرار گرفته است. نتایج حاصله حاکی از ضریب همبستگی بالا برای داده های آموزشی و تست شبکه، می باشد.

کلیدواژه ها:

فورج داغ، شبکه عصبی، اجزاء محدود، پس انتشار خطا

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/212628/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
خلیلی، خلیل و فنودی، حسین،1390،شبیه سازی فرآیند فورج داغ با استفاده از روش اجزاء محدود و استفاده از شبکه عصبی مصنوعی در پیش بینی پارامترهای شکل دهی،دوازدهمین کنفرانس ملی مهندسی ساخت و تولید ایران،تهران،،،https://civilica.com/doc/212628

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1390، خلیلی، خلیل؛ حسین فنودی)
برای بار دوم به بعد: (1390، خلیلی؛ فنودی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • _ تویسرکانی، ح، 1388، "شکل دادن فلزات"، انتشارات دانشگاه صنعتی ...
  • مصطفی کیا، 1387، "شبکه های عصبی در نرم افزار متلب"، ...
  • BelZore, N.P., lanniello, F., Stocchi, D., 2007. "A ...
  • Tribology International 40, pp.1705 _ 1717. ...
  • Shahani, A.R., Setayeshi, S., Nodamaie, S.A. 2008 ."Prediction of inLuence ...
  • Nilsson A., 1998. "Predicting the mean temperature of the workpiece ...
  • _ of materials _ 80- ...
  • Choudhury S.K., , Bartarya G., 2003. "Role Of ...
  • Temperature And Surface Finish In Predicting Tool Wear Using Neural ...
  • Hagan. M.T, Demath. H.B, Beale. M, 1996. "Neural Network Design", ...
  • Hornik K., Stinchcombe M., White H., 1989. "Multilayer feed forward ...
  • Widrow, B.. Lher, M. A., 1990. _ Years of Adaptive ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 7,675
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی