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

مطالعه ی مقایسه ای عملکرد شبکه عصبی مصنوعی و مدل رگرسیونی در پیشبینی هندسه ی حوضچه ی جوش در فرآیند جوشکاری با گاز محافظ و الکترود تنگستنی

سال انتشار: 1395
کد COI مقاله: ICISE02_070
زبان مقاله: فارسیمشاهد این مقاله: 278
فایل این مقاله در 7 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 7 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مطالعه ی مقایسه ای عملکرد شبکه عصبی مصنوعی و مدل رگرسیونی در پیشبینی هندسه ی حوضچه ی جوش در فرآیند جوشکاری با گاز محافظ و الکترود تنگستنی

فرهاد کلاهان - دانشیار، گروه مکانیک، دانشکدهی مهندسی، دانشگاه فردوسی مشهد؛
عطا الله جداری لطف آبادی - دانشجوی کارشناسی ارشد، گروه مکانیک، دانشکده مهندسی، دانشگاه فردوسی مشهد؛
محمد مهدی تفرج - دانشجوی دکترای، گروه مکانیک، دانشکدهی مهندسی، دانشگاه فردوسی مشهد؛

چکیده مقاله:

جوشکاری قوسی با الکترود تنگستن در پناه گاز محافظ که به اختصار جوش آرگون یا تیگ نامیده می شود یکی از مهمترین روش های جوشکاری در صنایع مختلف است. با توجه به این موضوع که کیفیت جوش میتواند به هندسه جوش نیز وابسته است، در این پژوهش، از شبکههای عصبی مصنوعی و مدلهای رگرسیونی برای یافتن رابطهای بین متغیرهای فرآیند جوشکاری (شامل شدت جریان، سرعت جوشکاری و گپ) با شکل حوضچه ی جوش استفاده و عملکرد هر دو روش در پیشبینی ابعاد حوضچه ی حرارتی مقایسه شده است. قابلیت مدلهای حاصل با داده های تجربی سنجیده شد. نتایج نشان داد که مدل حاصل از شبکه های عصبی تطابق بهتری با دادههای تجربی دارد و دارای خطای کمتری میباشد.

کلیدواژه ها:

شبکههای چند لایه پرسپترون، جوش تیگ، مدل رگرسیونی، حوضچه جوش

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/540428/

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:
کلاهان، فرهاد و جداری لطف آبادی، عطا الله و تفرج، محمد مهدی،1395،مطالعه ی مقایسه ای عملکرد شبکه عصبی مصنوعی و مدل رگرسیونی در پیشبینی هندسه ی حوضچه ی جوش در فرآیند جوشکاری با گاز محافظ و الکترود تنگستنی،دومین کنفرانس بین المللی مهندسی صنایع و سیستم­ها (ICISE 2016)،مشهد،،،https://civilica.com/doc/540428

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: (1395، کلاهان، فرهاد؛ عطا الله جداری لطف آبادی و محمد مهدی تفرج)
برای بار دوم به بعد: (1395، کلاهان؛ جداری لطف آبادی و تفرج)
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 :

  • شبکه های عصبی مصنوعی و کاربرد آن در جوشکاری [مقاله کنفرانسی]
  • Benyounis, K. Y and Olabi, a. G , :Optimization of ...
  • Trang, Y.s, Tsai, H.L., and Yeh, S.S., , :Modeling, optimization ...
  • Jia, X., et al., A new method to estimate heat ...
  • N. Murugan , V. Gunaraj, 2005, Prediction and control of ...
  • shapere lationshipsin submerged arc welding of pipes, International Journalof Materials ...
  • J. P. Ganjigatti & D. K. Pratihar & _ RoyChoudhury ...
  • arcwelding parameters based on artificial neurl networks, International Journal of ...
  • C.S. Wu, J.Q. Gao and Y.H. Zhao, 2006, ...
  • Neuralnetwork for weld penetration control in gas tungsten arcwelding, Journal ...
  • Geometry", J. Mat. ProcessingTech - , Vol. 108, No.1, pp. ...
  • modelsto predict weld bead geometry for lux cored arc welding", ...
  • 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: 27,206
    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