این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
Iranian Journal of Mechanical Engineering Transactions of the ISME، جلد ۱۵، شماره ۱، صفحات ۳۹-۴۷
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction of Surface Roughness by Hybrid Artificial Neural Network and Evolutionary Algorithms in End Milling
چکیده انگلیسی مقاله Machining processes such as end milling are the main steps of production which have major effect on the quality and cost of products. Surface roughness is one of the considerable factors that production managers tend to implement in their decisions. In this study, an artificial neural network is proposed to minimize the surface roughness by tuning the conditions of machining process such as cutting speed, feed rate and depth of cut. The proposed network is tested by many test problems of Ghani et al.[1] study and the weights of network are optimized by using three meta-heuristics, genetic algorithm (GA), imperialist competitive algorithm (ICA). The results show the efficiency and accuracy of the proposed network.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله j رضاییان |
department of industrial engineering, mazandaran university of science and technology, mazandaran, iran
سازمان اصلی تایید شده: دانشگاه علوم و فنون مازندران (Mazandaran university of science and technology)

a طاهری |
mazandaran university of science and technology, mazandaran, iran
سازمان اصلی تایید شده: دانشگاه علوم و فنون مازندران (Mazandaran university of science and technology)

s haghaiegh |
mechanical engineering department, tehran university, tehran, iran
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://jmee.isme.ir/article_19600_67ddf4b08c88eba4ae76f8068090c0d0.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات