این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک امیرکبیر، جلد ۴۲، شماره ۳، صفحات ۲۹-۳۷
عنوان فارسی تخمین برگشت فنری در شکل‌دهی غلتکی سرد با استفاده از شبکه‌های عصبی مصنوعی
چکیده فارسی مقاله شکل‌دهی غلتکی سرد یکی از فرآیندهای شکل‌دهی ورق‌های فلزی است که در آن ورق با عبور از بین یک سری غلتک‌های شکل‌دهی در ایستگاه‌های متوالی به طور پیوسته و ملایم خم شده و شکل نهایی را به خود می‌گیرد. با وجود سادگی ظاهری، به دلیل زیاد بودن کمیت‌های دخیل در فرآیند و اثر متقابل آنها، طراحی و کنترل فرآیند با چالش‌هایی درگیر است که پدیده برگشت‌فنری یکی از آن‌ها است. هدف اصلی در این مقاله، ارائه معیاری ساده برای برگشت‌فنری و بیان راه‌حلی برای دستیابی سریع به آن معیار است که شبکه ‌عصبی مصنوعی به عنوان ابزاری قدرتمند برای نیل به این هدف انتخاب شد. شکل‌دهی غلتکی سرد برای مقطع کانالی‌شکل در ایستگاه اول، با نرم‌افزار مارک‌منتات[i] شبیه‌سازی شد و با استفاده از داده‌های به‌دست آمده از شبیه‌سازی، آموزش و امتحان شبکه عصبی انجام شد. مقایسه خروجی‌های شبکه عصبی با نتایج شبیه‌سازی‌ اجزای محدود که در مجموعه داده‌های آموزشی موجود نیستند درستی عملکرد شبکه عصبی را به اثبات رساند. [i] Marc-Mentat 
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Using Artificial Neural Networks for Estimationof Springback in Cold Roll Forming
چکیده انگلیسی مقاله Cold roll forming is a sheet metal forming process in whichthe bending occurs gradually in several forming steps from an undeformed strip to a finishedprofile. Althoughsimple appearance, the process is influenced by several parametersthat complicate the process design and control such as springback.The main purpose in this article is to determine a simple criterion for the springback and to introduce a fast solution to obtain it and therefore artificial neural network was proposed for achiving this goal. Cold roll forming of a channel section in the first station was simulated by a commercial package named “Msc Marc Mentat”. The data obtained from the finite element simulations were used as training and testingsetsfor neural networks. Perfect performance of neural network was proved when the neural network outputs were compared with the testing set that did not exist in the training set.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسن مسلمی نایینی | moslemi naeini


روح اله عزیزی تفتی | azizi tafti


مهدی تاجداری |


نشانی اینترنتی http://mej.aut.ac.ir/article_246_ff9c124dc951944bd4f7d602725e933b.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1252/article-1252-274270.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات