فرآیند اکستروژن معکوس قطعات توخالی دارای تغییر شکل زیاد و رفتار غیر خطی می باشد که تحلیل آن به کمک نرم افزارهای اجزاء محدود دارای محدودیت می باشد. در این پروژه به کمک شبکه های عصبی مصنوعی و با استفاده از داده های آزمایشات عملی انجام شده فرآیند اکستروژن معکوس سرد قطعات آلومنیومی مدل سازی گردیده است. در این مدل سازی از شبکه پیشرو (Feed Forward) با دو لایه مخفی استفاده شده است. به کمک این شبیه سازی مدلی برای تغییرات نیروی سنبه در طول فرآیند اکستروژن معکوس تهیه شد که نتایج آن تطابق خوبی با آزمایشات عملی انجام شده دارد و دارای خطای آموزش کمتر از 3 درصد می باشد. همچنین مشاهده شد که نتایج حاصل از شبکه های عصبی برای نمونه های جدید دارای خطای کمتر از 10 درصد می باشد که نسبت به روابط تئوری و شبیه سازی اجزاء محدود کارایی و دقت بیشتری دارد...
مقاله پیش بینی نیرو در فرآیند اکستروژن معکوس قطعات توخالی به کمک شبکه های عصبی مصنوعی مشتمل بر 9 صفحه، به زبان فارسی، تایپ شده، به همراه تصاویر، دیاگرام و فرمول ها و روابط ریاضی با فرمت pdf، گردآوری شده است.
جهت خرید مقاله پیش بینی نیرو در فرآیند اکستروژن معکوس قطعات توخالی به کمک شبکه های عصبی مصنوعی به مبلغ فقط 2000 تومان و دانلود آن بر لینک پرداخت و دانلود در پنجره زیر کلیک نمایید.
!!لطفا قبل از خرید از فرشگاه اینترنتی کتیا طراح برتر قیمت محصولات ما را با سایر فروشگاه ها و محصولات آن ها مقایسه نمایید!!
!!!تخفیف ویژه برای کاربران ویژه!!!
با خرید حداقل 10000 (ده هزارتومان) از محصولات فروشگاه اینترنتی کتیا طراح برتر برای شما کد تخفیف ارسال خواهد شد. با داشتن این کد از این پس می توانید سایر محصولات فروشگاه را با 20% تخفیف خریداری نمایید. کافی است پس از انجام 10000 تومان خرید موفق عبارت درخواست کد تخفیف و ایمیل که موقع خرید ثبت نمودید را به شماره موبایل 09365876274 ارسال نمایید. همکاران ما پس از بررسی درخواست، کد تخفیف را به شماره شما پیامک خواهند نمود.
مدل پیش بینی مکانی ظرفیت باربری خاک با استفاده از شبکه های عصبی مصنوعی، مطالعه موردی: شهرآذرشهر
به صورت ورد و در 117صفحه
ظرفیت باربری مجاز یا ظرفیت باربری مطمئن عبارت از یک فشار مجازی است که محدوده اطمینانی را در برابر فروریختگی ناشی از گسیختگی برشی تأمین می کند و معمولاً ظرفیت باربری مجاز کسری از ظرفیت باربری نهایی خالص می باشد که باربری نهایی خالص نیز حداکثر تنش فشاری است که خاک می تواند تحمل کند. با این توصیف، مبنای اصلی احداث هر بنای، تعیین دقیق ظرفیت باربری خاک بوده و باید بطور دقیق مشخص گردد. با عنایت به زمان بر و پرهزینه بودن روش های مرسوم(در جا و آزمایشگاهی) برای تعیین ظرفیت باربری خاک، در این تحقیق نشان خواهیم داد که به کمک شبکه های عصبی مصنوعی می توان ظرفیت باربری خاک را در حد قابل قبول و مورد اطمینان، پیش بینی کرد. برای رسیدن به بهترین جواب سه مدل شبکه عصبی مصنوعی پس انتشار1، لایه برگشتی2 و همبستگی آبشاری3 مورد تجزیه و تحلیل قرار داده ایم. بر اساس نتایج بدست آمده بهترین شبکه، یعنی مدل شبکه عصبی مصنوعی همبستگی آبشاری برای پیش بینی مکانی ظرفیت باربری خاک در محدوده مورد مطالعه انتخاب و پیشنهاد می گردد.