關鍵字查詢 | 類別:研究報告 | | 關鍵字:適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究

[第一頁][上頁]1[次頁][最末頁]目前在第 1 頁 / 共有 04 筆查詢結果
序號 學年期 教師動態
1 96/1 機電系 李經綸 副教授 研究報告 發佈 適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究 , [96-1] :適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究研究報告適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究A Study of Optimum Blank of the Forming Limit in the Deep Drawing Process by Using Adaptive Network Fuzzy Inference System李經綸; 葉豐輝淡江大學機械與機電工程學系計畫編號:NSC97-2221-E032-008;研究期間:200808~200907;研究經費:573,000行政院國家科學委員會Made available in DSpace on 2009-03-16T07:53:15Z (GMT). No. of bitstreams: 0;Made available in DSpace on 2009-07-15T10:41:15Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-03-16T07:53:15Z;tku_id: 000083145; 000048986<links><record><name>機構典藏連結</name><url>http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/7329</url></record></links>
2 97/1 機電系 李經綸 副教授 研究報告 發佈 適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究(II) , [97-1] :適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究(II)研究報告適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究(II)A Study of Optimum Blank of the Forming Limit in the Deep Drawing Process by Using Adaptive Network Fuzzy Inference System(II)李經綸; 葉豐輝淡江大學機械與機電工程學系動顯函有限元素; 適應性網路模糊推論系統; 深引伸; 最佳化; 成形極限; Dynamic-explicit FEM; ANFIS; Deep drawing; Optimum; Forming limit計畫編號:NSC98-2221-E032-006;研究期間:200908~201007;研究經費:515,000行政院國家科學委員會本研究計畫係結合動顯函有限元素分析與適應性網路模糊推論系統,以前向模式預測深引伸成形後之杯高,並發展一套適應性網路模糊推論系統之逆向模式,透過此逆向模式來預測深引伸成形達固定杯高之最佳化料片輪廓外形。透過適應性網路模糊推論系統之複合式學習演算法,可有效的建立知識規則庫與最佳化歸屬函數。在逆向模式之預成形設計中,則以節點號碼(N)、初始料片節點座標(XY),及變形後杯高值(H)為輸入資料,逆解得到最佳化料片輪廓外形之節點座標。然而,於一般成形過程所建構之知識規則庫是被允許的,但當達到成形極限,甚至超過成形極限時之訓練參數,即不適用於建構知識規則庫,否則在逆向模式中可能導致不合理之結果,故需反覆進行訓練,以建構一最佳化知識規則庫。本計畫於第一年度已設計一組圓杯深引伸成形模具,並建立其成形極限之異向性材料的知識規則庫。第二年度擬再設計一組非軸對稱之方杯深引伸成形模具,將模具幾何非線性之影響因素加入,以修正先前建立好之知識規則庫,建構出一泛用型深引伸成形極限分析之知識規則庫。最後將動顯函有限元素分析及ANFIS數值模擬所得之沖頭負荷與衝程關係、杯高分佈、應力與應變分佈,及成形極限與實驗結果作比較,以驗證本計畫所建構知識規則庫之實用性。 This project is to combine the dynamic-explicit FEM and Adaptive Network Fuzzy Infer
3 97/1 機電系 葉豐輝 教授 研究報告 發佈 適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究(II) , [97-1] :適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究(II)研究報告適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究(II)A Study of Optimum Blank of the Forming Limit in the Deep Drawing Process by Using Adaptive Network Fuzzy Inference System(II)李經綸; 葉豐輝淡江大學機械與機電工程學系動顯函有限元素; 適應性網路模糊推論系統; 深引伸; 最佳化; 成形極限; Dynamic-explicit FEM; ANFIS; Deep drawing; Optimum; Forming limit計畫編號:NSC98-2221-E032-006;研究期間:200908~201007;研究經費:515,000行政院國家科學委員會本研究計畫係結合動顯函有限元素分析與適應性網路模糊推論系統,以前向模式預測深引伸成形後之杯高,並發展一套適應性網路模糊推論系統之逆向模式,透過此逆向模式來預測深引伸成形達固定杯高之最佳化料片輪廓外形。透過適應性網路模糊推論系統之複合式學習演算法,可有效的建立知識規則庫與最佳化歸屬函數。在逆向模式之預成形設計中,則以節點號碼(N)、初始料片節點座標(XY),及變形後杯高值(H)為輸入資料,逆解得到最佳化料片輪廓外形之節點座標。然而,於一般成形過程所建構之知識規則庫是被允許的,但當達到成形極限,甚至超過成形極限時之訓練參數,即不適用於建構知識規則庫,否則在逆向模式中可能導致不合理之結果,故需反覆進行訓練,以建構一最佳化知識規則庫。本計畫於第一年度已設計一組圓杯深引伸成形模具,並建立其成形極限之異向性材料的知識規則庫。第二年度擬再設計一組非軸對稱之方杯深引伸成形模具,將模具幾何非線性之影響因素加入,以修正先前建立好之知識規則庫,建構出一泛用型深引伸成形極限分析之知識規則庫。最後將動顯函有限元素分析及ANFIS數值模擬所得之沖頭負荷與衝程關係、杯高分佈、應力與應變分佈,及成形極限與實驗結果作比較,以驗證本計畫所建構知識規則庫之實用性。 This project is to combine the dynamic-explicit FEM and Adaptive Network Fuzzy Infer
4 96/1 機電系 葉豐輝 教授 研究報告 發佈 適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究 , [96-1] :適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究研究報告適應性網路模糊推論系統於深引伸成形極限最佳化料片之研究A Study of Optimum Blank of the Forming Limit in the Deep Drawing Process by Using Adaptive Network Fuzzy Inference System李經綸; 葉豐輝淡江大學機械與機電工程學系計畫編號:NSC97-2221-E032-008;研究期間:200808~200907;研究經費:573,000行政院國家科學委員會Made available in DSpace on 2009-03-16T07:53:15Z (GMT). No. of bitstreams: 0;Made available in DSpace on 2009-07-15T10:41:15Z (GMT). No. of bitstreams: 0 Previous issue date: 2009-03-16T07:53:15Z;tku_id: 000083145; 000048986<links><record><name>機構典藏連結</name><url>http://tkuir.lib.tku.edu.tw:8080/dspace/handle/987654321/7329</url></record></links>
[第一頁][上頁]1[次頁][最末頁]目前在第 1 頁 / 共有 04 筆查詢結果