مدلسازی ریاضی و شبکه عصبی انرژی جذب شده و تنش حد نهایی در کشش ساده کامپوزیت های لایه ای فلز- الیاف

سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,313

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICME10_073

تاریخ نمایه سازی: 29 آبان 1388

چکیده مقاله:

در این تحقیق، شبکه عصبی و تحلیل رگرسیون برای پیش بینی مقدار انرژی جذب شده و تنش حد نهایی نمونه های کامپوزیتی آلومینیم- شیشه در فرآیند کشش ساده مورد استفاده قرار گرفته است. نمونه ها شامل سه لایه آلومینیم است که دو لایه کامپوزیت الیافی شیشه- اپوکسی در بین آنها قرار دارد .(Al/GE/Al/GE/Al) مقدار انرژی جذب شده و تنش حد نهایی به عنوان متغیرهای پاسخ (خروجی) و زوایای الیاف در دو صفحه کامپوزیتی میانی به عنوان پارامترهای ورودی در نظر گرفته شدند. مدل های رگرسیون درجه 2 و شبکه عصبی MLP پس انتشار با یک لایه پنهان برای مدلسازی استفاده شدند. مقادیر پیش بینی شده پاسخ ها بوسیله مدل های رگرسیون و شبکه عصبی با نتایج حاصل از آزمایش مقایسه گردیدند. نتایج نشان می دهد که مقدار انرژی جذب شده و تنش حد نهایی پیش بینی شده توسط هر دو مدل مطابقت خوبی با مقادیر تجربی دارند و مقادیر تنش حد نهایی پیش بینی شده توسط مدل رگرسیون دارای دقت کمتری هستند.

کلیدواژه ها:

کامپوزیت لایه ای فلز- الیاف - خواص کششی - زاویه الیاف - مدل رگرسیون - شبکه عصبی مصنوعی

نویسندگان

سعید زارع چاوشی

دانشجوی کارشناسی ارشد، گروه ساخت و تولید، دانشکده مهندسی و فناوری های

محمدرضا سلیمانی یزدی

استادیار، دانشکده فنی، دانشگاه امام حسین(ع)، تهران

مهدی تاجداری

دانشیار، مرکز مکانیک و فناوری های ساخت، دانشگاه صنعتی مالک اشتر، تهرا

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 مقاله لینک شده اند :
  • صدیقی م، تاجداری م.، داریوشی س.، " بررسی خواص کششی ...
  • دهمین کنفرانس مهندسی ساخت و تولید ایران ICME 2010 ...
  • Zhang Z., Friedrich K., "Artificial neural networks applied to polymer ...
  • Xu Y., "Electronic equipment BIT condition predicted by neural network", ...
  • نمایش کامل مراجع