شبیه سازی فرم تراشه به کمک شبکه عصبی خودسازمان ده SOM
سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 654
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DMECONF01_043
تاریخ نمایه سازی: 9 مرداد 1395
چکیده مقاله:
در این مقاله به تحلیل یک الگوریتم شبکه عصبی خود سازمان ده SOM برای طبقه بندی و شناسایی فرم تراشه بااستفاده از داده های حسگر نیرو برش جمع آوری شده ا ز طریق نظارت حس گر آزمایشی طی عملیات تراشکاری طولی می پردازد. روش شبکه عصبی خود سازمان ده SOM باعث تسهیل تجسم دااده های عددی جند بعدی می شود مشخصه های ویژه سیگنال های نیروی برش جه ساخت بردارهای الگو به کار می روند که باعث شناسایی فرمتراشه می شود. نتایج شبیه سازی نشان می دهند که تکنیک شبکه عصبی خود سازمان ده SOM هنگام استفااده از کل سه مولفه نیروی برش EP,FF,FC با همدیگر بهتر عمل می کنند علاوه بر این پس از اصلاح بردارهای داده مبهم یک نتیجه بسیار موفقیت آمیز برای شناسایی و تشخیص فمر تراشه بدست می آید.
کلیدواژه ها:
نویسندگان
حسین رحمانی
داشجوی ارشد مکاترونیک دانشگاه آزاد اسلامی واحد شهر مجلسی دانشکده مهندسی برق وکامپپیوتر اصفهان ایران
صادق رحمتی
دانشیار مهندسی مکانیک دانشگاه آزاد اسلامی واحد شهر مجلسی دانشکده مهندسی مکانیک اصفهان ایران
امین احمدپور سامانی
دانشجوی ارشد مکاترونیک؛ دانشگاه آزاد اسلامی واحد شهر مجلسی؛ دانشکده مهندسی برق وکامپیوتر اصفهان ایران
حسین شریفی سامانی
دانشجوی ارشد مکاترونیک؛ دانشگاه آزاد اسلامی واحد شهر مجلسی؛ دانشکده مهندسی برق وکامپیوتر اصفهان ایران
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 :