کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6722722 503592 2014 7 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Using artificial neural networks for modeling surface roughness of wood in machining process
ترجمه فارسی عنوان
با استفاده از شبکه های عصبی مصنوعی برای مدل سازی زبری سطح چوب در فرآیند ماشینکاری
کلمات کلیدی
ترجمه چکیده
کیفیت سطحی چوب جامد برای استفاده موثر در فرایندهای تولید بیشتر اهمیت دارد. در این تحقیق اثرات گونه های چوبی، سرعت تغذیه، تعداد برش، عمق برش، منطقه چوب (چوب اولیه چوبی) و اندازه دانه سایر دانه ها بر روی زبری سطح مورد بررسی و شبیه سازی شبکه های عصبی مصنوعی قرار گرفت. نشان داده شده است که مدل پیش بینی شبکه عصبی مصنوعی به عنوان یک ابزار مفید، قابل اعتماد و کاملا موثر برای مدل سازی زبری سطح چوب می باشد. بنابراین، نتایج تحقیقات حاضر می تواند با موفقیت در صنعت چوب برای کاهش زمان، انرژی و هزینه های تجربی بالا مورد استفاده قرار گیرد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مهندسی عمران و سازه
چکیده انگلیسی
Surface quality of solid wood is very important for its effective utilization in further manufacturing processes. In this study, the effects of wood species, feed rate, number of cutter, cutting depth, wood zone (earlywood-latewood) and grain size of abrasives on surface roughness were investigated and modeled by artificial neural networks. It was shown that the artificial neural network prediction model obtained is a useful, reliable and quite effective tool for modeling surface roughness of wood. Thus, the results of the present research can be successfully applied in the wood industry to reduce the time, energy and high experimental costs.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Construction and Building Materials - Volume 66, 15 September 2014, Pages 329-335
نویسندگان
, , ,