مقاله پیش بینی استحکام خمشی اتصال چسب در قطعات چینی با استفاده از شبکه عصبی مصنوعی

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله پیش بینی استحکام خمشی اتصال چسب در قطعات چینی با استفاده از شبکه عصبی مصنوعی دارای ۶ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله پیش بینی استحکام خمشی اتصال چسب در قطعات چینی با استفاده از شبکه عصبی مصنوعی  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله پیش بینی استحکام خمشی اتصال چسب در قطعات چینی با استفاده از شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله پیش بینی استحکام خمشی اتصال چسب در قطعات چینی با استفاده از شبکه عصبی مصنوعی :

تعداد صفحات:۶

چکیده:

استحکام خام و پخت مناسب بین دو قطعه چینی متصل شده با استفاده از چسب، تابع عوامل مختلف ی است که پیش بینی تاثیر ترکیب چسب و دانه بندی مواد اولیه به وسیله شبکه عصبی مصنوعی هدف این پژوهشمی باشد. فرمولاسیون چ ینی زجاجی با ترکیب مینرالی کائو لینیت، فلدسپار و کوارتز به ترتیب با درصدها ی ۳۰ ،۴۵ ۲۵ ساخته شد . برای ته یه چسب از دوغاب بدنه به همراه مواد افزودن ی پلی ونیل الکل PVA) سرکه و کربوکس ی مت یل سلولزCMC) در مقاد یر مختلف استفاده شد . علاوه بر ترک ی ب چسب و درصد چسب دانه بندی آن ن یز بعنوان متغ یر د یگری در نظر گرفته شد . قطعاتی مکع ب مستط یل شکل از بدنه مذکور ته ی ه و با چسب های نامبرده دو به دو به هم متصل گرد یدند که مجموعا ۱۹۸ نمونه بدست آمد سپس استحکام خمشی در دو حالت خام و پخته شده مورد بررس ی قرار گرفت . نتایج حاصل با بهره گیری از شبکه عصبی مصنوعی با استفاده از سه پارامتر و رودی نوع چس ب، درصد چسب و دانه بندی، جهت پیش بینی استحکام خمشی خام و پخت به کار گرفته شده است . درشبیه سازی داده ها از نرم افزارMatlab استفاده شد و شبیهسازی با استفاده از شبکه پیش خور با الگوریتم پس انتشارLevenberg-Marquardt انجام شده است. پس از آموزش و تست شبکه ب هینه، مشخص شدکه شبکه مورد استفاده با ویژگی های تعیین شده قادر به پیش بینی استحکام با استفاده از سه پارامتر ورودی با دقت مناسب خواهد بود.