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

Prediction and optimization of load and torque in ring rolling process through development of artificial neural network and evolutionary algorithms

سال انتشار: 1397
کد COI مقاله: JR_JCAM-49-2_008
زبان مقاله: انگلیسیمشاهده این مقاله: 207
فایل این مقاله در 12 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 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله Prediction and optimization of load and torque in ring rolling process through development of artificial neural network and evolutionary algorithms

Hamid Reza Rohani Raftar - Department of Mechanical and Aerospace Engineering, Science and Research Branch, Islamic Azad University, Tehran, Iran
Ali Parvizi - School of Mechanical Engineering, College of Engineering, University of Tehran, Tehran, Iran

چکیده مقاله:

Developing artificial neural network (ANN), a model to make a correct prediction of required force and torque in ring rolling process is developed for the first time. Moreover, an optimal state of process for specific range of input parameters is obtained using Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) methods. Radii of main roll and mandrel, rotational speed of main roll, pressing velocity of mandrel and blank size are considered as input parameters. Furthermore, the required load and torque in ring rolling process are taken into account as process outputs. Various three dimensional finite element simulations are performed for different sets of process variables to achieve preliminary data for training and validation of the neural network. Besides, the finite element model is approved via comparison with the experimental results of the other investigators. The Back Propagation (BP) algorithm is considered to develop Levenberg–Marquardt feed-forward network. Additionally, Model responses analysis is carried out to improve the understanding of the behavior of the ANN model. It is concluded that results of ANN predictions have an appropriate conformity with those from simulation and experiments. Moreover, GA and PSO methods have been implemented to obtain the optimal state of process while their outcomes have been also compared.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا JR_JCAM-49-2_008 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/893919/

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:
Rohani Raftar, Hamid Reza and Parvizi, Ali,1397,Prediction and optimization of load and torque in ring rolling process through development of artificial neural network and evolutionary algorithms,https://civilica.com/doc/893919

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: (1397, Rohani Raftar, Hamid Reza؛ Ali Parvizi)
برای بار دوم به بعد: (1397, Rohani Raftar؛ Parvizi)
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 مقاله لینک شده اند :

  • J. S. Ryoo, D. Y. Yang, W. Johnson, The influence ...
  • A. Parvizi, K. Abrinia, A two dimensional Upper Bound Analysis ...
  • D. Y. Yang, J. S. Ryoo, An investigation into the ...
  • G. Zhou, L. Hua, D. S. Qian, 3D coupled thermo-mechanical ...
  • L. Fausett, Fundamentals of neural networks: architectures, algorithms, and applications, ...
  • H. Altınkaya, I. E. I. M. Orak, Artificial neural network ...
  • M. Sharififar, S. A. A. A. Mousavi, Numerical study and ...
  • M. Moghaddam, F. Kolahan, An empirical study on statistical analysis ...
  • S. Jalilirad, M. H. Cheraghali, H. A. D. Ashtiani, Optimal ...
  • D. Y. Yang, J. S. Ryoo, J. C. Choi, W. ...
  • G. I. Li, S. Kobayashi, Rigid-plastic finite-element analysis of plane ...
  • C. C. Chen, S. Kobayashi, Rigid-plastic finite element analysis of ...
  • G. R. Johnson, W. H. Cook, A constitutive model and ...
  • S. P. F. C. Jaspers, H. Dautzenberg, Material behaviour in ...
  • J. Deng, X. L. D. Gu, Z. Q. Yue, Structural ...
  • R. Kazan, M. Firat, A. E. Tiryaki, Prediction of springback ...
  • B. Widrow, M. A. Lher, 30 years of adaptive neural ...
  • 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 آزاد
    تعداد مقالات: 31,970
    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.

    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