استفاده از شبکه عصبی و الگوریتم ژنتیک در مدلسازی جداسازی رنگ از محلولهای آبی توسط جذب بر روی نانولوله های کربنی
چکیده
چکیدهای برای این سند ثبت نشده است.
چکیدهای برای این سند ثبت نشده است.
در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدل سازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات ساین
در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدلسازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات سای
در برش پلاسما، یک گاز نجیب با سرعت بالا از نازل دمیده میشود و به کمک یک جرقه فرکانسی ولتاژ بالا، گاز در سر مشعل یونیزه شده و قوس الکتریکی ایجاد میشود. سپس گاز به حالت پلاسما تبدیل میشود که فرآیندی ایدهآل برای برشکاری فلزات سخت است. در این تحقیق، بهینهسازی و مطالعه اثر پارامت
سابقه و هدف: خمیر محصول میانی خطوط تولید صنایع نانوایی است که ویژگی های رئولوژیکی آن نمایانگر خصوصیات فیزیکوشیمیایی مواد اولیه و مؤثر بر ویژگی های کیفی فرآورده نهایی است. با توجه به کارایی بالای شبکه های عصبی مصنوعی در آموزش پذیری و پردازش موازی داده ها با روابط غیر خطی، هدف از ا
مقدمه: رنگ زا ها ترکیبات آلی با ساختار پیچیده ای هستند که به علت سمیت، سرطانزایی و عدم تجزیه پذیری زیستی یکی از مهمترین آلاینده های زیست محیطی محسوب می شوند. هدف از این مطالعه بررسی کارایی نانو تیوب های کربنی چند جداره در حذف رنگ زرد آزو 63 از محلول های آبی می باشد. روش کار: این