نشریه علمی پژوهشی روشهای عددی در مهندسی

---

مسیریابی ، یکی از اساسی‌‌ترین قسمتهای یک سیستم چندپردازنده مبتنی بر مبادله پیام است و تاثیر زیادی بر بازدهی سیستم دارد . الگوریتمهای مسیریابی عصبی موجود که اساسا برای شبکه‌‌های رایانه‌ای تدوین شده‌‌اند ، تعداد نرونهای زیادی را استفاده می‌‌کنند . این در حالی است که با توجه به توپولوژیهای خاصی که در سیستمهای چند رایانه استفاده می‌‌شود ، می‌‌توان تعداد نرونهای شبکه عصبی را کاهش داد . در این مقاله ، یک شبکه عصبی برگشتی جدید که از تعداد کمی نرون استفاده می‌‌کند معرفی شده و سپس کارایی این شبکه عصبی پیشنهادی برای مسیریابی در یک شبکه اتصالات توری مورد بررسی قرار می‌‌گیرد. واژگان کلیدی : مسیریابی ، سیستمهای چند رایانه، شبکه عصبی برگشتی ، شبکه توری

---

یافتن بخشی از سیستم قدرت که به فروپاشی نزدیک می‌شود، یکی از اهداف تحلیل پایداری ولتاژ است. این بخش که ناحیه ضعیف1 از نظر پایداری ولتاژ نامیده می‌شود، یک ناحیه کنترل ولتاژ2 است. تعیین این ناحیه و نواحی کنترل ولتاژ مجاورش، از اهمیت خاصی در بهبود پایداری ولتاژ برخوردار است. تعیین ناحیه ضعیف ولتاژ برای طراحی به هنگام کنترل تصحیحی3 نیازمند روشی به اندازه کافی سریع و دقیق است. به این منظور در این مقاله با اختصاص بردارهایی به هر باس سیستم قدرت که وضعیت این باسها را از نظر پایداری ولتاژ منعکس می‌کنند و با استفاده از روشهای دسته‌بندی همچون شبکه عصبی کوهنن4، الگوریتم C-Means فازی5 و الگوریتم کوهنن فازی6، نواحی کنترل ولتاژ سیستم قدرت در هر شرایط کاری تعیین می‌شود. همچنین مزایای روش پیشنهادی نسبت به روشهای مرسوم همچون تعیین همزمان باسهای PQ و PV متعلق به ناحیه ضعیف، تعیین ناحیه ضعیف بدون نیاز به مدل سیستم و تعیین ناحیه ضعیف در همه شرایط سیستم اعم از نزدیک بودن یا دور بودن به نقطه ناپایداری نشان داده می‌شود. به علاوه با مقایسه نتایج حاصل از به کارگیری این روشهای دسته‌بندی مشاهده می‌شود که شبکه عصبی کوهنن با توپولوژی دوبعدی از نظر آسانی به کارگیری و دقت نتایج حاصل ابزار مناسبی برای تقسیم سیستم قدرت به نواحی کنترل ولتاژ است و بر روشهای C-Means فازی و کوهنن فازی برتری است. واژگان کلیدی : پایداری ولتاژ، ناحیه ضعیف ولتاژ، ناحیه کنترل ولتاژ، کنترل تصحیحی، دسته‌بندی الگو، شبکه عصبی کوهنن، الگوریتم C-Means فازی، الگوریتم کوهنن فازی.

---

در این مقاله رفتار خاکهای رسی تحت آزمایش سه‌محوری با استفاده از شبکه‌های عصبی مصنوعی1 مورد مطالعه قرار گرفته است. در این راستا مدلهایی تهیه شد تا رفتار تنش – کرنش رسها را در شرایط زهکشی نشده پیش‌بینی کند. مزیت مدلهای تهیه شده در این است که پارامترهای ساده‌ای نظیر مشخصات فیزیکی خاک همچون حدود اتربرگ، رطوبت خاک، درصد ریزدانه و غیره برای مدل کردن رفتار تنش کرنش خاکهای رسی در آزمایش سه‌محوری به کار گرفته شده است، بدون آنکه به انجام آزمایشات وقتگیر و دقیق سه‌محوری نیاز باشد. نتایج مدل به کار گرفته شده نشان می‌دهد که شبکه عصبی یک ابزار مناسب برای مدلسازی رفتار تنش – کرنش خاکهای رسی با استفاده از مشخصات ساده فیزیکی این خاکهاست. واژگان کلیدی : خاک رس، آزمایش سه محوری زهکشی نشده، شبکه عصبی مصنوعی، تنش-کرنش، فشار آب حفره‌ای، مقاومت برشی

---

در این پژوهش کالیبراسیون رنگی اسکنر با استفاده از شبکه عصبی پرسپترون با سه‌لایه‌و چهارلایه‌ و الگوریتـم آمـوزش پس‌انتشار خطا برای پارچه های پلی‌استر رنگی انجام شد. نتایج نشان می‌دهد که اگر نمونه‌های آموزشی به‌صورت تصادفی انتخاب شوند، جوابهای مناسبی به ‌دست‌ نمی‌آید. لیکن استفاده از نمونه‌های آموزشی انتخابی برای مشخصه های L*a*b* یا RGB منجر به جوابهای مناسب می‌شود. هرچند نتایج نمونه‌های انتخابی از L*a*b* بهتر است.همچنین اختلاف رنگ بین XYZ محاسباتی و XYZ واقعی برای نمونه‌های مجهول نه تنها با نتایج روش رگرسیون با چند جمله ایهای مختلف قابل مقایسه است بلکه نسبت به تحقیقات قبلی انجام شده در زمینه کالیبراسیون رنگی اسکنر با استفاده از شبکه عصبی نتایج بهتری را نشان می دهد

---

یکی از موارد پیچیده و در عین حال مهم در مطالعات خوردگی تنشی آلیاژها، تعیین وقوع یا عدم وقوع خوردگی تنشی و تعیین زمان شکست آن است. علی‌رغم انجام تحقیقات وسیع در این زمینه، هنوز فرمولبندی یا روش مطمئنی برای تخمین وقوع خوردگی تنشی و همچنین تعیین زمان شکست در اثر خوردگی تنشی ارائه نشده است. در این مقاله، توانایی شبکه‌های عصبی مصنوعی در تعیین زمان شکست فولاد زنگ نزن آستنیتی 304 بر اثر خوردگی تنشی در محیطهای آبی کلریدی داغ به همراه تحلیل حساسیت پارامترهای کلیدی ارائه شده است. پارامترهایی که در این تحقیق به عنوان ورودی شبکه عصبی مصنوعی مورد بررسی قرار گرفته اند شامل دما، غلظت کلر و میزان تنش اعمالی است. همچنین از زمان شکست نیز به عنوان پارامتر خروجی و معیار کلیدی در ارزیابی پارامترهای اثرگذار استفاده شد. راندمان آماری این شبکه میانگین سه مجموعه آموزش و آزمایش است. همچنین برای آزمایش شبکه از داده‌هایی استفاده شد که جزء داده‌های آموزشی نبودند. نتایج حاصل از خروجی شبکه نشان داد که مدل پیشنهادی توانایی پیش بینی زمان شکست را با واریانس 74٪ از داده‌های واقعی داراست.

---

---

در سال‌های اخیر تلاش‌های زیادی برای کاهش زمان تحلیل سینماتیک مستقیم روبات‌های موازی صورت گرفته است. این مقاله با سینماتیک روبات موازی شروع می‌شود و سپس با استفاده از الگوریتم پیشنهادی برای سینماتیک مستقیم روبات به پایان می‌رسد. در این مطالعه برای افزایش دقت و سرعت الگوریتم‌های عددی در سینماتیک روبات‌های موازی، ترکیب شبکه‌های عصبی مصنوعی و یک تکنیک عددی مرتبه 3، پیشنهاد شده است. در ابتدا با استفاده از شبکه‌های عصبی یک پاسخ تقریبی از مسأله سینماتیک مستقیم روبات ایجاد می‌شود. این پاسخ تقریبی به‌عنوان حدس اولیۀ روش عددی نیوتن- رافسون با مرتبه 3 در‌نظر گرفته می‌شود. سپس برای بررسی عملکرد و کارایی روش پیشنهادی در این مقاله، روبات موازی استوارت- گوف اختیار شده است. نتایج نشان می‌دهند که جایگزینی روش نیوتن- رافسون با روش مرتبه 3 باعث کاهش تعداد تکرارهای لازم برای رسیدن به دقت مورد‌نظر و در‌نتیجه کاهش زمان تحلیل سینماتیک مستقیم روبات می‌شود. در انتها از روبات استوارت برای شبیه‌ساز حرکت آرواره استفاده شده است. الگوریتم جدید پیشنهاد شده در این مقاله را می‌توان برای حل سینماتیک مستقیم هر نوع روبات سری یا موازی دیگر نیز استفاده کرد.

---

---

رفتار بسیاری از سیالات را می‎تو راه‏‌های زیادی برای حل معادلات دیفرانسیل وجود دارد که شامل روش‏‌های تحلیلی و عددی می‌شود. با این وجود حل بسیاری از معادلات دیفرانسیل مرتبه بالای بد وضع هنوز یک چالش اساسی به‌شمار می‏‌آید. معادلات دیفرانسیل حاکم بر نانوسیالات ویسکوالاستیک در مرزهای سیستم به‌طور عمومی بد وضع بوده و حل عددی آنها با چالش‏‌های جدی مواجه است. از طرفی وجود نانوذرات در ابعاد بسیار ریز (زیر 100 نانومتر) باعث ایجاد پدیده‌‏های انتقال حرارت و جرم جدید شده که بر پیچیدگی رفتار نانوسیالات ویسکوالاستیک می‏‌افزاید. بنابراین، ایجاد و یا گسترش روش‎های تحلیلی یا نیمه‎ایجاد و  یا گسترش روش‎های تحلیلی یا نیمه‎تحلیلی برای حل معادلات حاکم بر این نوع نانوسیالات امری ضروری است. در پژوهش حاضر، در یک ایده جدید و با استفاده از روش‏‌های بهینه‏‌سازی هوشمند، روش جدیدی برای حل معادلات دیفرانسیل حاکم بر نانوسیالات ویسکوالاستیک ارائه شده است. با استفاده از بهینه‏‌سازی هوشمند سعی بر آن است تا با تغییر یک ایده ابتدایی به‌سوی جواب بهینه حرکت کرد که هم معادلات حاکم و هم شرایط مرزی را به‌خوبی ارضا کند. نتایج به‌دست آمده حاکی از توانایی و دقت بسیار خوب روش ارائه شده در حل معادلات دیفرانسیل مرتبه بالای حاکم بر نانوسیالات ویسکوالاستیک است.