کد مقاله | کد نشریه | سال انتشار | مقاله انگلیسی | نسخه تمام متن |
---|---|---|---|---|
10673309 | 1010245 | 2015 | 4 صفحه PDF | دانلود رایگان |
عنوان انگلیسی مقاله ISI
A genetic algorithm for a self-learning parameterization of an aerodynamic part feeding system for high-speed assembly
ترجمه فارسی عنوان
یک الگوریتم ژنتیک برای پارامترهای خودآموزی یک سیستم تغذیه بخشی آیرودینامیکی برای مونتاژ با سرعت بالا
دانلود مقاله + سفارش ترجمه
دانلود مقاله ISI انگلیسی
رایگان برای ایرانیان
کلمات کلیدی
مونتاژ، الگوریتم، بهینه سازی،
ترجمه چکیده
در آینده، دستگاه باید از یک الگوریتم استفاده کند که به طور خودمختار تنظیمات پارامترهای مطلوب برای قطعات جدید را برای رسیدن به رویه های راه اندازی سریع تعیین می کند. در این مقاله یک الگوریتم ژنتیکی برای یک سیستم تغذیه خودآموزی ارائه شده است که در مطالعات شبیه سازی جامع مورد تایید قرار گرفته است.
موضوعات مرتبط
مهندسی و علوم پایه
سایر رشته های مهندسی
مهندسی صنعتی و تولید
چکیده انگلیسی
Prospectively, the machine should utilize an algorithm that autonomously identifies optimal parameter configurations for new workpieces to realize fast setup procedures. This paper presents a genetic algorithm for a self-learning feeding system that has been validated in comprehensive simulation studies.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: CIRP Annals - Volume 64, Issue 1, 2015, Pages 5-8
Journal: CIRP Annals - Volume 64, Issue 1, 2015, Pages 5-8
نویسندگان
Jan Busch, Melissa Quirico, Lukas Richter, Matthias Schmidt, Annika Raatz, Peter Nyhuis,