بررسی تغییرات سفتی و بافت میوه گلابی در بارگذاری نیروهای مختلف و دوره های متفاوت انبارداری با شبکه عصبی مصنوعی

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 42

فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IFST-15-6_004

تاریخ نمایه سازی: 2 آبان 1402

چکیده مقاله:

در این تحقیق به بررسی اثر نوع بارگذاری های دینامیکی و استاتیکی و دوره انبارداری بر میزان سفتی گلابی پرداخته شد. برای این کار ابتدا گلابی ها به سه گروه ۲۷ تایی برای سه بارگذاری استاتیکی لبه نازک، استاتیکی لبه پهن و دینامیکی دسته بندی شده و بارگذاری شدند. هر یک از گروه های بارگذاری شده در سه دوره ۵، ۱۰ و ۱۵ روزه انبار دار شده و بعد از هر دوره انبارداری با استفاده از آزمون غیرمخرب CT-Scan از تغییر بافت گلابی ها عکس برداری شد و سپس میزان سفتی بافت گلابی با استفاده از سفتی سنج اندازه گیری شد. همچنین داده ها با استفاده از دو شبکه مصنوعی MLP و RBF شبیه سازی و مورد بررسی قرارگرفت. نتایج نشان داد که با افزایش دوره انبارداری و میزان نیروی بارگذاری در هر سه نوع بارگذاری میزان سفتی به طور معنی داری (سطح ۱%) کاهش یافت. همچنین بافت گلابی در بارگذاری دینامیکی به شدت نسبت به دوبارگذاری دیگر تخریب شده است. بهترین مقادیر شبکه عصبی مصنوعی برای فشار لبه پهن (۱۲ نرون- RBF) (R۲ Wide edge= ۰.۹۷۳۸– RMSE Wide edge= ۰.۳۴۱۹- MAE Wide edge= ۰.۲۶۸) و برای فشار لبه نازک(۴ نرون -RBF) (R۲Thin edge= ۰.۹۹۴۶– RMSE Thin edge=۰.۱۷۰۹۷۷- MAE Thin edge= ۰.۱۳۳) و در نهایت برای بارگذاری دینامیکی (۸ نرون- RBF) (R۲ Dynamic loading = ۰.۹۹۳۳– RMSE Dynamic loading =۰.۲۳۰- MAE Dynamic loading=۰.۱۸۷) بوده است.

نویسندگان

محمد واحدی ترشیزی

گروه مکانیک بیوسیستم دانشگاه علوم کشاورزی و منابع طبیعی گرگان

محسن آزادبخت

گروه مکانیک بیوسیستم دانشگاه علوم کشاورزی و منابع طبیعی گرگان

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 :
  • Afsharnia, F., Mehdizadeh, S. A., Ghaseminejad, M., & Heidari, M. ...
  • Azadbakht, M., Aghili, H., Ziaratban, A., & Vehedi Torshizi, M. ...
  • Azadbakht, M., Torshizi, M. V., & Ziaratban, A. (۲۰۱۶). Application ...
  • B. Khoshnevisan, Sh. Rafiee, M. Omid, M. Y. (۲۰۱۳). Prediction ...
  • Diels, E., van Dael, M., Keresztes, J., Vanmaercke, S., Verboven, ...
  • Jahangiri, M., Hassan-Beygi, S. R., Aboonajmi, M., & Lotfi, M. ...
  • Khalifa, S., Komarizadeh, M. H., & Tousi, B. (۲۰۱۱). Usage ...
  • Leśniak, A., & Juszczyk, M. (۲۰۱۸). Prediction of site overhead ...
  • Mazidi, M., Sadrnia, H., & Khojastehpour, M. (۲۰۱۶). Evaluation of ...
  • Mirzaee, E., Rafiee, S., Keyhani, A., & Djom-Eh, Z. E. ...
  • Moggia, C., Graell, J., Lara, I., Gonzalez, G., & Lobos, ...
  • Moggia, C., Graell, J., Lara, I., Schmeda-Hirschmann, G., Thomas-Valdes, S., ...
  • Montero, C. R. S., Schwarz, L. L., Santos, L. C. ...
  • Read, S. J., Droutman, V., Smith, B. J., & Miller, ...
  • Salehi, F., & Razavi, S. M. A. (۲۰۱۲). Dynamic modeling ...
  • Soleimanzadeh, B., Hemati, L., Yolmeh, M., & Salehi, F. (۲۰۱۵). ...
  • Taheri-Garavand, A., Karimi, F., Karimi, M., Lotfi, V., & Khoobbakht, ...
  • Tavarini, S., Degl’Innocenti, E., Remorini, D., Massai, R., & Guidi, ...
  • Yan, Y., Zhang, X., Zheng, X., Apaliya, M. T., Yang, ...
  • Zhang, H., Wu, J., Zhao, Z., & Wang, Z. (۲۰۱۸). ...
  • Zhang, W., Cui, D., & Ying, Y. (۲۰۱۴). Nondestructive measurement ...
  • نمایش کامل مراجع