• پروژه استفاده از شبکه عصبی در پیش بینی مقدار تنش های پسماند جوشکاری قوس الکتریکی back propagation network Levenberg-Marquardt neural network matlab متلب

استفاده از شبکه عصبی در پیش بینی مقدار تنش های پسماند جوشکاری قوس الکتریکی

در این تحقیق استفاده از شبکه عصبی back propagation در نرم افزار matlab برای پیش بینی ماکزیمم مقدار تنش های پسماند حاصل از جوشکاری قوس الکتریکی ارائه شده است که داده های اولیه با استفاده از روش المان محدود حاصل شده است. ضخامت قطعه، اندازه الکترود، سرعت جوشکاری و ولتاژ و جریان جوشکاری پارامترهای ورودی شبکه عصبی و ماکزیمم تنش پسماند خروجی شبکه عصبی هستند. در این تحقیق از روش Levenberg-Marquardt که یکی از روش های back propagation است استفاده شده است. در نهایت پیش بینی های شبکه عصبی با مقادیر بدست آمده از روش المان محدود مقایسه شده است که این مقایسه نشان داده است که شبکه عصبی استفاده شده دارای قابلیت پیش بینی ماکزیمم تنش پسماند جوشکاری را با دقت قابل قبولی دارد.
پارامتر های جوشکاری از جمله ولتاژ و جریان، سرعت جوشکاری، ضخامت قطعه و اندازه الکترود بر روی تنش های پسماند ایجاد شده در اثر جوشکاری قطعه تأثیر می گذارد. اندازه گیری تنش های پسماند کار مشکل و زمانبری است بنابراین ارائه یک روش سریع و کارامد می تواند مقدار زیادی هزینه و زمان لازم برای اندازه گیری تنش های پیماند با روش های معمول را کاهش دهد. روش شبکه عصبی به عنوان یک روش بهینه و کارامد توصیه می شود چون این روش بسیار سریع و کارامد است که می تواند با دقت خوبی تنش های پسماند را پیش بینی کند. از مزیت بزرگ این روش این است که می تواند خود را با داده های جدید سازگار کند و عملکرد خود را برای داده های مختلف تغییر دهد. این روش این قابلیت را دارد که با حجم زیادی از داده های ورودی کار کند و رابطه ای منطقی بین این داده ها و خروجی مورد نظر پیدا کند. شبکه (back propagation network) یکی از خانواده های شبکه عصبی مصنوعی می باشد که در این تحقیق از آن استفاده شده است. شبکه های عصبی دارای چندین لایه می باشند که شامل حداقل یک لایه مخفی و یک لایه ورودی و یک و یک لایه خروجی است که در هر لایه با استفاده از توابع انتقال غیر خطی log-sigmoid یا tan-sigmoid این قابلیت را به مدل شبکه عصبی می دهد که بتواند رابطه های غیر خطی را بین داده های مختلف پیدا کند.

By | 2017-01-06T11:59:59+00:00 ژانویه 6th, 2017|Categories: رشته مکانیک|بدون ديدگاه

ثبت ديدگاه