جستجو در مقالات منتشر شده
۴ نتیجه برای بناکار
دوره ۱۴، شماره ۶۹ - ( ۸-۱۳۹۶ )
چکیده
چکیده
یکی از مشکلات موجود در صنعت بسته‌بندی، توزیع تخممرغ و جوجه‌کشی وجود تخممرغهای دارای ترک می‌باشد. با توجه به حجم بالای تخممرغهای تولیدشده در جهان جدا کردن تخممرغهای شکسته امری مهم تلقی میشود. در این تحقیق با استفاده از خاصیت هدایت الکتریکی، تخممرغهای شکسته و سالم از یکدیگر تفکیک گردیدند. در این تحقیق از تخممرغ نژاد هایلان استفاده گردید. از آنجایی که معیاری برای سنجش ترک در پوسته تخممرغ وجود ندارد تعداد ۱۰۰ تخم مرغ شکسته انتخاب گردید و به ده نفر متخصص در زمینه تخم مرغ نشان داده شد. ۴۸ تخم مرغ با ترک مویی از بین تخممرغهای شکسته انتخاب و مورد آزمایش قرار گرفت. بدین منظور ضرایب دیالکتریک و اتلاف تخممرغها در فرکانسهای بین KHz ۴۰ تا MHz ۲۰ اندازه‌گیری شدند و به‌عنوان ورودی طبقهبندهای شبکه عصبی و ماشین بردار پشتیبان مورداستفاده قرار گرفتند. طبقهبندهای شبکه عصبی و SVM از ۵۰% دادههای اختصاص‌یافته برای ارزیابی شامل ۷۵ و۲۶ تخممرغ شکسته و سالم، هردو توانستند با دقت ۱۰۰% تخممرغهای سالم و شکسته را با ضریب کاپا ۱ از یکدیگر جدا کنند.
مقداد خزایی، احمد بناکار، برات قبادیان، مصطفی میرسلیم، سعید مینایی، سید محمد جعفری، پیمان شرقی،
دوره ۱۶، شماره ۳ - ( ۳-۱۳۹۵ )
چکیده
در این پژوهش برای نخستین بار به معرفی روشی هوشمند جهت تخمین عمر مفید باقیمانده تسمه زمانبندی یک موتور درونسوز بر اساس سیگنال‌های ارتعاشی آن پرداخته شده است. بدین منظور آزمون دوام شتاب‌دار تسمه زمانبندی بر اساس دما و پیش کشش بیشتر معرفی و انجام شد. سپس آزمون دوام آغاز و سیگنال‌های ارتعاشی تسمه زمانبندی از حالت سالم تا خرابی توسط یک حسگر لیزری فاصله‌سنج ارتعاشی ثبت شد. سه تابع ویژگی به نام‌های انرژی، انحراف از معیار و کورتوسیس از سیگنال‌های ارتعاشی در حالات سالم و خرابی استخراج گردید و بدین ترتیب حد آستانه بروز عیب در تسمه زمانبندی نیز تعریف شد. از شبکه عصبی مصنوعی (ANN) جهت پایش و تخمین رفتار ارتعاشی سیگنال‌های ارتعاشی تسمه زمانبندی استفاده شد. در نهایت شبکه عصبی مصنوعی بر پایه ویژگی‌های انرژی، انحراف از معیار و کورتوسیس سیگنال‌های ارتعاشی به ترتیب توانست با دقت میانگین ۹۸%، ۹۸% و ۹۷% به تخمین عمر مفید باقیمانده تسمه زمانبندی موتور درونسوز بپردازد. ضریب همبستگی (R۲) تخمین سری-های زمانی ارتعاشی تسمه زمانبندی توسط شبکه عصبی و بر پایه ویژگی‌های انرژی، انحراف از معیار و کورتوسیس سیگنال‌های ارتعاشی نیز به ترتیب ۰,۸۷، ۰.۹۱ و ۰.۸۷ به دست آمد. همچنین میزان موثر سیگنال خطای (RMSE) شبکه عصبی بر پایه ویژگی‌های انرژی، انحراف از معیار و کورتوسیس سیگنال‌های ارتعاشی به ترتیب ۳.۶%، ۵.۴% و ۵.۶ % درصد به دست آمد.
احمد بناکار، علی متولی، مهدی منتظری، سید رضا موسوی سیدی،
دوره ۱۶، شماره ۱۲ - ( ۱۲-۱۳۹۵ )
چکیده
در این پژوهش با بکارگیری مدل‌های مختلف شبکه عصبی، به بررسی ارتباط میان میزان تولید آب شیرین و دمای بخار آب در اثر شرایط مختلف جوی و چندین دبی آب ورودی در شرایط مختلف روز در یک آب شیرین‌کن مجهز به متمرکز کننده خطی سهموی خورشیدی پرداخته شد. نتایج نشان داد که شبکه‌های استاتیک و دینامیک با دقت بالایی می‌توانند فرآیند‌های تولید آب شیرین را مدل‌سازی کنند. شبکه عصبی استاتیک با سرعت بالاتر نسبت به شبکه‌های دینامیکی می‌تواند فرآیند مدل سازی را انجام دهد در عین حال به نظر می‌رسد که میزان خطا در فرآیند مدل سازی با بکارگیری شبکه‌های دینامیک کاهش می‌یابد. ضریب تبیین برای الگوهای آموزش، ارزیابی و تست در شبکه استاتیک به ترتیب ۰,۹۸۹۸، ۰.۹۸۹۹ و ۰.۹۸۸۹ می‌باشد. در حالی که ضریب تبیین برای الگوهای آموزش، ارزیابی و تست در شبکه دینامیک به ترتیب ۰.۹۹۲۲، ۰.۹۸۹۴ و ۰.۹۹۰۱ می‌باشد. همچنین میزان خطای شبکه در شبکه استاتیک برای الگوهای آموزش، ارزیابی و تست به ترتیب ۰.۰۰۱۱، ۰.۰۰۲۷ و ۰.۰۰۲۴ و برای شبکه‌های دینامیک به ترتیب ۰.۰۰۱۸، ۰.۰۰۰۷ و ۰.۰۰۰۴ می‌باشد. مقایسه شبکه‌های استاتیک و دینامیک نشان داد که شبکه‌های دینامیک با دقت بیشتری نسبت به شبکه‌های استاتیک می‌تواند میزان تولید آب شیرین و دمای بخار آب را با توجه به تغییرات پارامترهای جوی پیش‌بینی کند.
دوره ۱۸، شماره ۱۱۷ - ( آبان ۱۴۰۰ )
چکیده
تعیین وضعیت نطفه‌داری تخم مرغ سهم عمده‌ای در تعیین کیفیت تخم مرغ و محصولات آن دارد، در همین راستا به منظور دستیابی به بهره‌وری و تولید بیشتر ارزیابی تخم مرغ از لحاظ نطفه‌دار بودن ضروری و مهم تلقی می‌گردد. در این راستا، طیف‌گیری در محدوده‌ی طیفی nm۱۱۰۰-۱۹۰ از ۱۳۰ نمونه تخم مرغ محلی در راستای قطر اصلی به مدت ۳ روز در دوره انبارمانی انجام پذیرفت. دادههای طیفی حاصل از اسپکترومتر، افزون بر اطلاعات نمونه، شامل اطلاعات ناخواسته و نویز هستند. به همین دلیل، برای دستیابی به مدل‌های طبقه‌بندی دقیق، نیاز به پیش‌پردازش دادههای طیفی پیش از تدوین مدل مناسب است. در این راستا، طبقه‌بند هوشمند شبکه عصبی بر پایه‌ی اندازه‌گیری‌های مرجع و اطلاعات طیف‌های پیش‌پردازش شده با ترکیب روش‌های مختلف هموارسازی، نرمالسازی و افزایش قدرت تفکیک طیفی برای تعیین وجود نطفه در تخم مرغ تدوین شدند. نتایج طبقه‌بندی در روز صفرم، اول، دوم، انبارمانی با دقت ۳/۷۲%،۱/۷۳%، ۵/۷۵%، و تشخیص به ترتیب ، ۳۱/۸۶، ۱/۸۷%، ۷۶ % و حساسیت به ترتیب: ۸۳/۶۱%، ۶۳/۷۹% و ۳/۷۳ % بدست آمد.
