بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک

اسناد مشابه

• بهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک

  مقاله۲۰۱۰مدلسازی در مهندسیجواد عاشوری، حسین امیرآبادی، فرشید جعفریان

  در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل‌سازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، ‌نرخ ریزش ذرات سای

• پیش بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

  مقالهعلوم تغذیه و صنایع غذایی ایرانهاجر عباسی، h abbasi department of food science and technology, khorasgan (isfahan) branch, islamic azad university, isfahan, iran.گروه علوم و صنایع غذایی، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران محمدامین محمدی فر، ma mohammadifar department of food science and technology, faculty of agriculture and natural 3department of food science and technology, faculty of nutrition sciences, food science and technology / national nutrition and food technology research institute, shahid beheshگروه آموزش علوم و صنایع غذایی، انستیتو تحقیقات تغذیه و صنایع غذایی، دانشکده تغذیه و صنایع غذایی، دانشگاه علوم پزشکی شهید بهشتی، تهران، ایران

  سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه های عصبی مصنوعی در آموزش پذیری و پردازش موازی داده ها با روابط غیر خطی، هدف از ا

• پیش‌بینی خصوصیات رئولوژیکی بنیادی خمیر با استفاده از شبکه عصبی-الگوریتم ژنتیک

  مقاله۲۰۱۵علوم تغذیه و صنایع غذایی ایرانعباسی, هاجر، محمدی فر, محمدامین

  سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی‌های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی‌های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه‌های عصبی مصنوعی در آموزش‌پذیری و پردازش موازی داده‌ها با روابط غیر خطی، هدف از ا

• بهینه سازی وزن سازه فولادی به کمک روش شبکه عصبی مصنوعی

  مقاله۲۰۲۱رویکردهای نوین در مهندسی عمرانمحمد امامی کورنده، سیده نگار نوربخش

  بهینه سازی یکی از مهمترین مسایل مهندسی عمران می باشد. در این تحقیق از شبکه عصبی مصنوعی(ANN) به منظور بهینه سازه سازه های فولادی استفاده شده است. از شبکه عصبی چند لایه پرسپترون، یکی از پرکاربردترین شبکههای عصبی، استفاده شده است. ساختارهای متفاوتی از شبکه عصبی مصنوعی با تعداد لایهه

• شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی، الگوریتم بهینه سازی ذرات و مدل seawat (مطالعه موردی: مزارع کشت و صنعت نیشکر دعبل خزاعی)

  مقالهپژوهش های حفاظت آب و خاکعاطفه صیادی شهرکی، دانشجوی کارشناسی ارشد دانشگاه شهید چمران اهواز عبدعلی ناصری، استاد دانشکده علوم آب دانشگاه شهید چمران اهواز امیر سلطانی محمدی، استادیار دانشکده علوم آب دانشگاه چمران اهواز علی مختاران

  سابقه و هدف: شوری خاک عامل مهم در کاهش عملکرد مزارع نیشکر واقع در جنوب غربی ایران می باشد. بنابراین مطالعه و پایش این عامل در زمین های تحت کشت نیشکر، امری لازم و ضروری می باشد. اما با توجه به وسعت زیاد مناطق زیر کشت نیشکر و تعدد زیاد مزرعه ها، مطالعه و پایش این عوامل در هر مزرعه

• بهینه‌سازی و مدل‌سازی برشکاری پلاسما فولاد ضد زنگ ۳۰۹AISI به کمک مدل ترکیبی شبکه عصبی- الگوریتم ژنتیک

  مقاله۲۰۱۹مهندسی مکانیک مدرسسیدمصطفی میرعبداللهی، محمدمهدی ابوترابی

  در برش پلاسما، یک گاز نجیب با سرعت بالا از نازل دمیده می‌شود و به کمک یک جرقه فرکانسی ولتاژ بالا، گاز در سر مشعل یونیزه شده و قوس الکتریکی ایجاد می‌شود. سپس گاز به حالت پلاسما تبدیل می‌شود که فرآیندی ایده‌آل برای برشکاری فلزات سخت است. در این تحقیق، بهینه‌سازی و مطالعه اثر پارامت