ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

انتخاب شبکه عصبی مطلوب بر پایه الگوریتم ژنتیک جهت تشخیص خرابی مکانیزم نگهدارنده کلاچ تراکتور مسی فرگوسن 285

سال انتشار: 1395
کد COI مقاله: JR_JAM-6-2_009
زبان مقاله: فارسیمشاهده این مقاله: 259
فایل این مقاله در 14 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 14 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله انتخاب شبکه عصبی مطلوب بر پایه الگوریتم ژنتیک جهت تشخیص خرابی مکانیزم نگهدارنده کلاچ تراکتور مسی فرگوسن 285

سیدفرهاد موسوی - دانشجوی دکتری مکانیک بیوسیستم پردیس بین الملل دانشگاه فردوسی مشهد
محمدحسین عباسپورفرد - استاد گروه مهندسی بیوسیستم و عضو مرکز پژوهشی ماشین های کشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
محمدحسین آق خانی - استاد گروه مهندسی بیوسیستم و عضو مرکز پژوهشی ماشین های کشاورزی، دانشکده کشاورزی، دانشگاه فردوسی مشهد
ابراهیم ابراهیمی - استادیار گروه مهندسی مکانیک بیوسیستم، دانشکده کشاورزی، واحد کرمانشاه، دانشگاه آزاد اسلامی، کرمانشاه، ایران

چکیده مقاله:

تشخیص به موقع عیوب ماشین های کشاورزی برای انجام کارهای کشاورزی در زمان مناسب بسیار مهم است. تاکنون روش های تجربی و تیوریمتعددی برای تشخیص خرابی قسمت های متحرک ماشین آلات ارایه شده است. در این مقاله، ساختار مطلوب شبکه های عصبی بر پایه الگوریتم ژنتیکبا استفاده از نرم افزار متلب برای تشخیص عیب مکانیزم کلاچ تراکتور مسی فرگوسن 285 ارایه شده است. یک تابع ارزیاب با هدف دستیابی به ساختارمطلوب شبکه های عصبی با انتخاب مناسب تعداد لایه های پنهان، تعداد نرون ها در لایه های پنهان، تابع انتقال، توابع یا دگیری، تابع کارایی و تعداددوره ها مورد استفاده قرار گرفته است، به گونه ای که مقدار پارامتر خطای خروجی (MSE) محاسبه شده نیز به حداقل رسیده باشد. داده ها از سنسورشتاب سنج نصب شده بر روی مکانیزم کلاچ در سه حالت سالم، خرابی بلبرینگ و ساییدگی محور و سه سرعت 1000، 1500 و 2000 دور بر دقیقهجمع آوری شدند. تبدیل موجک بسته برای استخراج بردار خصوصیات و آنالیز مولفه های اصلی جهت کاهش ابعاد بردار خصوصیات اعمال شد.مناسب ترین پیکربندی شبکه عصبی وقتی به دست آمد که شبکه با توجه به داده های آموزش و آزمایش دارای حداقل خطا بود. بیشترین خطا مربوط بهخصوصیات پایگاه اطلاعاتی Db20 بود که MSE آن برابر 0/011 به دست آمد. بهترین پایگاه داده به دست آمده از آزمایش ها و محاسبات مربوط به خانواده Db4 است که کمترین خطا را داشته و دارای یک لایه پنهان و 14 سلول عصبی می باشد، که MSE آن برابر با (4/09x10(-7 و r آن برابر با 0/9 است که نشان می دهد، می تواند سالم بودن یا خرابی بلبرینگ و شفت کلاچ را با دقت بالا تشخیص دهد.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JAM-6-2_009 میباشد و 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/629013/

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:
موسوی، سیدفرهاد و عباسپورفرد، محمدحسین و آق خانی، محمدحسین و ابراهیمی، ابراهیم،1395،انتخاب شبکه عصبی مطلوب بر پایه الگوریتم ژنتیک جهت تشخیص خرابی مکانیزم نگهدارنده کلاچ تراکتور مسی فرگوسن 285،https://civilica.com/doc/629013

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، موسوی، سیدفرهاد؛ محمدحسین عباسپورفرد و محمدحسین آق خانی و ابراهیم ابراهیمی)
برای بار دوم به بعد: (1395، موسوی؛ عباسپورفرد و آق خانی و ابراهیمی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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: 30,205
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 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