Prediction of wall thickness in deep drawing process with neural network
- سال انتشار: 1387
- محل انتشار: شانزدهمین کنفرانس سالانه بین المللی مهندسی مکانیک
- کد COI اختصاصی: ISME16_934
- زبان مقاله: انگلیسی
- تعداد مشاهده: 1893
نویسندگان
MSC.Student Amirkabir university of technology Tehran,Iran
Associate Professor Amirkabir university of technology Tehran,Iran
MSC.Student Amirkabir university of technology Tehran,Iran
چکیده
In this paper, the modeling of deep-drawing process using neural networks is established. The relationships between process parameters (punch radius, matrix radius, blank holder force) and part quality (wall thickness) are created, based on a neural network. Finite element analyses are conducted for combination of process parameters designed using statistical full factorial experimental design. A predictive model for wall thickness is created using Levenberg-Marquardt (LM) artificial neural network exploiting finite element analysis results. The results obtained are found to correlate well with experimental data.کلیدواژه ها
sheet metal forming, full factorial, Finite element method, Artificial neural networkمقالات مرتبط جدید
- بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی
- مبانی، کاربردها و چالشهای یادگیری مشارکتی و تحلیل تجربی و مقایسه ابزارهای یادگیری فدرالی در پیاده سازی مدلهای یادگیری ماشین
- راهکارهای مبتنی بر هوش مصنوعی برای بهره وری انرژی در تولید سیمان: یک بررسی جامع
- معماری اینترنت اشیا مبتنی بر هوش مصنوعی در مدیریت انرژی هوشمند
- سیستم های EMS/BMS در ساختمان های ZEB و نمونههای اجرا شده آن در سطح جهانی
اطلاعات بیشتر در مورد 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.