پیش بینی شاخص ذوب پلی پروپیلن با شبکه عصبی و الگوریتم ژنتیک
- سال انتشار: 1395
- محل انتشار: اولین کنفرانس بین المللی دستاوردهای نوین پژوهشی در مهندسی برق و کامپیوتر
- کد COI اختصاصی: CBCONF01_0944
- زبان مقاله: فارسی
- تعداد مشاهده: 495
نویسندگان
دانشکده برق دانشگاه صنعتی امیرگبیر
دانشکده برق دانشگاه صنعتی امیرگبیر
چکیده
تولید پلی پروپیلن (PP) یک کسب و کار چند میلیاردی است که تاثیرات بزرگی را در جنبه های صنعت،صنایع نظامی، علوم اقتصادی، حوزه بهداشت و پزشکی و غیره به جا گذاشته است. شاخص مذاب پلی پروپیلن تولید شده،مهمترین پارامتر در تعیین گرید آن و کنترل کیفیت در صنایع کاربردی است. شاخص ذوب معمولاً در آزمایشگاه ها باروش های تحلیلی که تقریبا دو ساعت به طول می انجامد، به صورت آنلاین محاسبه می گردد. بنابراین، این تاخیر ممکناست منجر به تولید محصولات زاید در حجم بالا گردد. بنابراین یک تخمین قابل اعتماد از شاخص ذوب در کنترل کیفیپلی پروپیلن بسیار مهم است. برای دستیابی به این هدف، بسیاری از محققان برای ساخت یک مدل برای تخمین و پیشبینی شاخص ذوب به منظور کنترل کیفیت، تلاش کرده اند.کلیدواژه ها
پلیپروپیلن، شبکه عصبی، الگوریتم ژنتیک، مدل سازی و بهینه سازیمقالات مرتبط جدید
- تاثیر نوروفیدبک بر آموزش کودکان مبتلا به ADHD و اختلالات خواندن: یک بررسی سیستماتیک
- بررسی نقش سیستم های پیشرانش جت و بهبود کارایی انتقال حرارت در انجین های فضاپیما
- مروری بر کاربرد داده کاوی در کشف دانش پنهان
- تجزیه و تحلیل ترمودینامیکی استفاده از یک چرخه دی اکسید کربن فوق بحرانی با اینترکولر، گرم کردن مجدد و احیاکننده برای بازیابی گرمای اتلافی یک توربین گازی
- کاربرد IOT در مهندس پزشکی
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.