research centers


Search results: Found 7

Listing 1 - 7 of 7
Sort by

Article
Integrating Neural Network With Genetic Algorithms For The Classification Plant Disease
تكامل الشبكات العصبية مع الخوارزميات الجينية لتصنيف امراض النبات

Authors: Alia Karim Abdul Hassan --- Sarah Sadoon Jasim
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2010 Volume: 28 Issue: 4 Pages: 686-701
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

In this work Aِِrtificial Neural Network (ANN) is used as a classifier capable ofrecognizing the most important features of the plant disease, with minimum errorvalue. Genetic algorithm has been used to minimize error values of the ANNclassifier. Error value of ANN classifier is defined as more than (%5). This ratiois a threshold (cut-of-value) to determine if GA is executed or not after the ANNclassifier execution. Genetic algorithm execution results in either optimal solution(%100) recognition or suggests a modified parameter to the ANN classifier(specifically learning rate and number of neurons).The result obtained fromintegrating neural network with genetic algorithm for classification plant diseasesindicates that the classifier recognizes most of input pattern with accuracy (96%).Integrating neural network with genetic algorithm for classification plant diseasesimplemented using Visual Basic version 6 programming

في هذا العمل استخدمت الشبكات العصبية الاصطناعيةقادر على تمييز اغلب الملامح المهمة في امراض النبات مع اقل قيمة خطأ . فأستخدمتالخوارزميات الجينية لتقليل قيم الخطأ للشبكات العصبية. قيمة الخطأ المعرفة في هذا المصنفهي اكثر من 5% بذلك سيتم معالجتها في الخوارزميات الجينية. فهذه القيمةلتحديد فيما اذا الخوارزميات الجينية سيتم تنفيذها او لا بعد تنفيذ الشبكات (threshold) تعتبر(% العصبية المقترحة. ان نتائج تنفيذ الخوارزميات الجينية هي أما حل امثل أي تمييز ( 100او ستقترح تعديل المعاملات المستخدمة في الشبكات العصبية الاصطناعية المقترحة خصوصاNo. of ) وعدد الخلايا العصبية في الطبقة المخفية (Learning rate) معامل التعلمفي هذا البحث تم استخدام الشبكات متعددة الطبقات .(neurons in the hidden layerالتي هي نوع من الشبكات العصبية مع خوارزمية الانتشار (Mlti-Layer-Percetron)لتدريب الشبكة لتصنيف أمراض النبات. (Back Propagation algorithm) الخلفي للخطأالنتيجة المحصلة من تكامل الشبكات العصبية مع الخوارزميات الجينية لتصنيف أمراض النبات.(% يشير إلى أن الشبكات العصبية المقترحة قد ميزت معظم رموز الأمراض مع دقة (


Article
Transmission System On –Line Fault Location Using ArtificialNeural Network
التحديد اللحظي لموقع العطل في منظومة النقل بأستخدام الشبكة العصبية الصناعية

Authors: Adil Hameed Ahmed --- Hatim Ghadhban Abood
Journal: Engineering and Technology Journal مجلة الهندسة والتكنولوجيا ISSN: 16816900 24120758 Year: 2010 Volume: 28 Issue: 5 Pages: 964-979
Publisher: University of Technology الجامعة التكنولوجية

Loading...
Loading...
Abstract

In this work, protection systems for overhead transmission lines areinvestigated and an efficient technique for on –line fault location based onArtificial Neural Network(ANN ) is suggested. First, Studying and investigatingthe power transmission lines short circuit modeling and analysis, and thendeveloping a MATLAB programs to calculate fault currents and voltages fordifferent fault types depending on the location of the fault in the transmission lineand finding the location of this fault. The proposed technique for the faultlocation is the two -end data technique. The pre-fault data plus the fault dataconstruct a training set for the neural network programs which contain two types,one for fault detection and classification, and the other for the fault location. Then,these programs are applied on the Iraqi super grid (400 kV).

تم في هذا العمل , بحث نظم الحماية لخطوط النقل الكهربائية لاقتراح تقنية كفؤة لتحديدموقع العطل مستندة للشبكات العصبية الصناعية . في البداية تم دراسة وبحث نمذجة وتحليللحساب تيارات و فولتيات MATLAB دائرة القصر لخطوط النقل, ومن ثم تطوير برنامجالعطل لمختلف انواع الاعطال اعتمادا على موقع العطل في خط النقل , بألاضافة الى ايجادالموقع لهذا العطل وقبلها يتم تهيئة بيانات الشبكة لما قبل العطل (تيارات و فولتيات حالة التشغيلألاعتيادية) . التقنية التي استخدمت لحساب موقع العطل هي تقنية بيانات النهايتين .أن بيانات ماقبل العطل أضافة الى بيانات العطل تشكل مجاميع تدريب لبرامج الشبكات العصبية والتي تحوينوعين , ألاول لكشف العطل و تصنيفه و ألاخر لايجاد موقع العطل . تم تطبيق هذه البرامجفيما بعد على الشبكة العراقية الفائقة ( 400 كيلوفولت).


Article
NEURAL NETWORK ANALYSIS FOR SLIDING WEAR OF 13%CR STEEL COATINGS BY ELECTRIC ARC SPRAYING
استخدام الشبكات العصبية في تخمين السوفان ألانزلاقي لطلاء 13% كروم ستيل منتج بواسطة الرش بالقوس الكهربائي

Author: Ali Khudhair علي خضير مطلك
Journal: DIYALA JOURNAL OF ENGINEERING SCIENCES مجلة ديالى للعلوم الهندسية ISSN: 19998716/26166909 Year: 2010 Volume: Engineering Sc. Conference Issue: First Pages: 157-169
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

ABSTRACT:- Artificial Neural Networks (ANNs) are a new type of information processing technique based on modeling the neural systems of human brain. The potential of using neural networks in prediction of wear rate quantities of 13%Cr steel coating produced by arc spraying, has been studied in the present work. The material is subjected to dry sliding wear test using pin-on-ring apparatus at room conditions. Effects of normal load, sliding speed and time on wear rate have been investigated by using artificial neural networks. The experimental results were used to train ANN model successfully with accepted mean square error (MSE) of 0.00077504. The ANN predictions shows very good agreement with experimental values with correlation coefficient of 0.99778, thus ANN can be considered excellent tool for modeling complex processes that have many variables.Keywords:- Artificial Neural Network; Wear; Coating

الخلاصة الشبكات العصبية الاصطناعية نوع حديث من تقنية معالجة المعلومات مرتكزة على نمذجة النظام العصبي للعقل البشري. أن فاعلية أستخدام الشبكات العصبية في تخمين قيم معدل السوفان لطلاء 13% كروم ستيل منتج بواسطة الرشّ بالقوس الكهربائي تم دراستها في هذا البحث. تم اجراء فحص السوفان الجاف بأستخدام جهاز المسمارعلى الحلقة في ظروف الغرفة. تأثير الحمل العمودي, سرعة الانزلاق والوقت على معدل السوفان تمت دراستها بأستخدام الشبكات العصبية الاصطناعية. تم استخدام النتائج المختبرية لتدريب نموذج الشبكة العصبية بنجاح وبمعدل خطاء مقبول (معدل مربع الاخطاء) 0,00077504. تخمينات الشبكة العصبية اضهرت توافق جيد جدا مع القيم المختبرية وبمعامل ارتباط 0.99778 وبهذا تعتبر الشبكات العصبية اداة ممتازة لنمذجة العمليات المعقدة التي تمتلك العديد من المتغيرات.الكلمات الدالة: الشبكة العصبية الاصطناعية, السوفان, الطلاء.


Article
PREDICTION THE EFFECT OF FLAME CUTTING PARAMETERS ON THE QUALITY OF METAL SURFACE IN CNC FLAME CUTTING MACHINE USING ARTIFICIAL NEURAL NETWORK
الأستقصاء عن تأثير عوامل القطع بأللهب على نوعية السطح المعدني في ماكنة اللهب المؤتمته بأستخدام الشبكة العصبية الإصطناعية

Loading...
Loading...
Abstract

Many metal-manufacturing industries include oxyfuel cutting among their manufacturing processes because cutting and welding are often required in metal-cutting processes, specifically in the fabrication of pressure vessels and storage tanks. The oxyfuel cutting process uses controlled chemical reactions to remove preheated metal by rapid oxidation in a stream of pure oxygen. Previous research has demonstrated that metal cutting surfaces varied depending on the gas used for the combustion as well as the cutting speed (Vc) used during the process. In this research, ASTM BN1323 carbon steel was cut using CNC flame cutting machine. The study constrained on the effect of cutting parameters (cutting speed Vc, Preheat time, and plate thickness) on the quality of the metal surface being cut. The Different tests, such as surface roughness and hardness were used to analyze the influence of these parameters. . The effect of cutting parameters on the surface quality was studied by implementing the experimental results obtained from cutting a non-Galvanized steel plate ASTM BN 1323 in different cutting parameters (cutting speed, preheat time, and plate thickness) followed by non-destructive (hardness and roughness of a cutting surface) tests to investigate the quality control on the cut specimens. The results showed, in general, better cut surfaces when using the optimum parameters Vc=300 mm/min. and preheat time =20 sec for cutting 20 mm thickness of non–Galvanized steel sheet ASTM BN1323. The experimental results obtained are then processed through the ANN model to control the cutting process and predict the level of quality for different cutting conditions. It has been deduced that the cutting conditions (cutting speed, preheat time, and plate thickness) had a dominant factors that affected the cut quality. Also we found that for certain cutting condition, there was an optimum cutting speed to obtain an optimum cutting quality. The system supports quality control procedures and cutting productivity without doing more periodic destructive mechanical test to dozens of samples.

تتضمّن الكثير من القطاعات الصناعية عمليات قطع المعدن بأستخدام الشعلة الأوكسي-أستيلينية خاصة في صناعة السفن وخزانات الضغط. تعتمد عمليات قطع المعدن بأستخدام الشعلة الأوكسي-أستيلينية على التفاعلات الكيمياوية لإزالة المعدن المسخّن بالأكسدة السريعة. بيّن البحوث السابق’ بأنّ سطوح المعدن المقطوع تعتمد على عدة عوامل منها نوع الغاز المستعمل و سرعة القطع (Vc) المستخدمة. تم في هذا البحث قطع صفيحة من الفولاذ الكاربوني بإستعمال ماكنة قطع بأللهب مؤتمته. وقد بينت الدراسة تأثيرعوامل القطع (سرعة القطع Vc، زمن التسخين المسبق، وسمك الصفيحة) على نوعية السطح المعدني بعد القطع. تم أستخدام إختبارات الصلادة والخشونة لتحليل تأثير هذه العوامل.أن دراسة تأثيرعوامل القطع على النوعية السطحيّة تمت بتطبيق النتائج التجريبية التي تم الحصول عليها من قطع صفيحة فولاذ غير مغلون تحت عوامل مختلفة (سرعة قطع، زمن التسخين المسبق، وسمك الصفيحة) تلتها أجراء فحوصات لاتدميرية (صلادة وخشونة سطح القطع) لتحرّي مراقبة الجودة على نماذج القطع. النتائج بينت بشكل عام أن أفضل قطع عند إستعمال سرعة قطع 300 مليمتر /دقيقة وزمن تسخين 20 ثانية لقطع صفيحة سمكها 20 مليمتر من الفولاذ غير المغلون. تم معالجة النتائج العملية المكتسبة من خلال نموذج لشبكة عصبية أصطناعية لغرض دعم إجراءات مراقبة الجودة ومعدل الإنتاج للقطع بدون عمل إختبار ميكانيكي تدميري


Article
Transient stability Assessment using Artificial Neural Network Considering Fault Location

Authors: P.K.Olulope --- K.A.Folly --- S.Chowdhury --- S.P.Chowdhury
Journal: Iraqi Journal for Electrical And Electronic Engineering المجلة العراقية للهندسة الكهربائية والالكترونية ISSN: 18145892 Year: 2010 Volume: 6 Issue: 1 Pages: 67-72
Publisher: Basrah University جامعة البصرة

Loading...
Loading...
Abstract

This paper describes the capability ofartificial neural network for predicting the criticalclearing time of power system. It combines theadvantages of time domain integration schemes withartificial neural network for real time transientstability assessment. The training of ANN is done usingselected features as input and critical fault clearingtime (CCT) as desire target. A single contingency wasapplied and the target CCT was found using timedomain simulation. Multi layer feed forward neuralnetwork trained with Levenberg Marquardt (LM)back propagation algorithm is used to provide theestimated CCT. The effectiveness of ANN, the methodis demonstrated on single machine infinite bus system(SMIB). The simulation shows that ANN can providefast and accurate mapping which makes it applicable toreal time scenario


Article
Taguchi Experimental Design and Artificial Neural Network Solution of Stud Arc Welding Process

Authors: Ismail I.Al-kazaz --- Riyadh M.A.Hamza --- Nabeel k.Abid Al- sahib
Journal: Journal of Engineering مجلة الهندسة ISSN: 17264073 25203339 Year: 2010 Volume: 16 Issue: 2 Pages: 4771-4794
Publisher: Baghdad University جامعة بغداد

Loading...
Loading...
Abstract

Stud arc welding has become one of the most important unit operations in the mechanical industries. The need to reduce the time from product discovery to market introduction is inevitable. Reducing of standard deviation of tensile strength with desirable tensile strength joint as a performance character was use to illustrate the design procedure. The effects of (welding time, welding current, stud material, stud design, sheet material, sheet thickness, sheet cleaning and preheating) were studied. Design of Experiment (DOE) is a structured and organized method to determine relationships between factors affecting a process and output of the process itself. In order to design the best formulation it is of course possible to use a trial and error approach but this is not an effective way. Systematic optimization techniques are always preferable. Tensile strength quality is one of the key factors in achieving good stud welding process performance. 225 samples of stud welding was tested. Computer aided design of experiment for the stud welding process based on the neural network artificial intelligence by Matlab V6.5 software was also explain. The ANN was designed to create precise relation between process parameters and response. The proposed ANN was a supervised multi-layer feed forward one hidden layer with 8 input (control process parameters), 16 hidden and 2 output (response variables) neurons. The learning rule was based on the Levenberg-Marquardt learning algorithm.The work of stud welding was performed at the engineering college laboratory, Baghdad University by using the DABOTEKSTUD welding machine, for 6 mm diameter stud. The sheet materials are (K14358 and K52355) according to (USN standards, and stud materials are (54NiCrMoS6 and 4OCrMnMoS8-6) according to (DIN standards).The eight control parameters (welding time, sheet thickness, sheet coating, welding current, stud design, stud material, preheat sheet and surface condition) were studied in the mixed L16 experiments Taguchi experimental orthogonal array, to determine the optimum solution conditions.The optimum condition was reached for the stud welding process tensile strength, where the researcher develops a special fixture for this purpose. The analysis of results contains testing sample under optimum condition, chemical composition of usage materials and micro structure of optimal condition sample.According to that:Practicality: the influence parameters that affect the stud welding process are welding time, which have a major effect on stud welding process, followed by sheet material and stud material.The reduction in standard deviation was approximately (30.06 per cent) and for the range was as approximately (29.39per cent). In the other side the increase in the tensile strength mean was as approximately (30.84 per cent). The influence parameters that affect the tensile strength stud welding process are: the factor welding time has a major effect on stud welding process, followed by factor C (sheet coating) and factor F(stud material).

تصميم التجارب هو طريقة هيكلية وتنظيم لحساب العلاقات بين عوامل تؤثر في إجراء معين ومخرجات هذا الأجراء، لإجراء تصميم معين بأفضل صياغة من الممكن استخدام طريقة التجربة والخطأ ولكنه ليست بالطريقة الفعالة. طرق الأفضلية المنظمة هي أمثل دائماً، وقد تم اختيار 225 نموذج من هذا اللحام فيها.مع التصميم بمعاونة الحاسوب للجانب العملي لتجارب أجراء لحام البرغي اعتماداً على الشبكات العقدية للذكاء الصناعي باستعمال البرنامج الجاهز (Matlab V6.5)، صممت الشبكات العقدية لخلق دقة أكثر بين العوامل ومخرجات الإجراء لتصميم تجارب تاكوجي. الشبكات العقدية المقترحة هي متعددة الطبقات أمامية موجهة وظفت في ثماني عقد مدخلات (عوامل السيطرة للإجراء)، 16 عقدة مخيفة وعقدتين خارجييتين (متغيرات الاستجابة). قاعدة التعليم أعتماد على آلية (Levenberg – Marquardt) للتعلم.باستعمال ماكنة لحام البراغي (DABOTEK) في هذه الدراسة للحام القوس البرغي قياس قطر 6 ملم. معادن الصفيحة K14358 وK52355 نسبة إلى (USN) ومعادن البرغي هي 54NiCrMoS6 4OCrMnMoS8-6 نسبة إلى (DIN). عوامل سيطرة ثمانية هي (زمن اللحام، سمك الصفيحة، طلاء الصفيحة، تيار اللحام، تصميم البرغي، معدن البرغي، التسخين المسبق وحالة السطح) درست في مصفوفة تصميم تجارب تاكوجي L16 المختلطة عوملت لحساب حالة الحل الأفضل، خطوات التطوير لتحسين طريقة تاكوجي هي خطوة تحليل بيانات التجربة. كان الانخفاض في الأنحراف المعياري (30.06%) تقريباً وكان الأنخفاض في المدى كان (29.39%) تقريباً. من ناحية أخرى كانت الزيادة في متوسط مقاومة الشد (30.84%) تقريباً. العوامل الأكثر تأثيراً على لاإجراء هي زمن اللحام ويليه نوعية معدن الصفيحة ثُم نوعية معدن البرغي.


Article
The use of artificial neural network models to predict interest rates
استخدام نماذج الشبكة العصبية الاصطناعية للتنبؤ بسع ا رلفائدة

Authors: اس ا رء عامر الحمداني --- احمد سلطان محمد القره غولي
Journal: Diyala Journal For Pure Science مجلة ديالى للعلوم الصرفة ISSN: 83732222 25189255 Year: 2010 Volume: 6 Issue: 2 Pages: 51-58
Publisher: Diyala University جامعة ديالى

Loading...
Loading...
Abstract

Using antipersonnel models of artificial neural network, (ANN) to gain access to interest rate as a new systematic science, proved successful technology in the financial area 0. This research aims to build models of neural network artificial which can increase the performance of prediction 'on corporate bond yields on corporate (CBY) as the rate of interest 0 analysis of market of synergies (SMA) was submitted to build models (Freedman) in this attribute 'while models that include only data of series time for crop Association of corporate has been developed, other models was generated through the link and the reorganization of key variables 0 per model was built to predict the 1.6 and 12 months as a period of time to predict. We got 9 models of artificial neural network to predict interest rate 0 artificial neural networks with multiple layers which used backpropagation (backpropagation) showed a good performance in the prediction for the period from month to six months.

للتبؤ بسعر الفائدة كعلم منهجي جديد اثبت تقنية (ANN ) استخدامت نماذج الشبكة العصبية الاصطناعيةناجحة في المجال المالي 0 يهدف هذا البحث الى بناء نماذج لشبكة عصبية اصطناعية يمكنها ان تزيد اداء التبؤ ‘قدم الى بناء نماذج (SMA) كسعر فائدة 0 تحليل سوق التأزر (CBY) بخصوص سندات شركات الغلة المتعلق بالشركاتفي هذة السمة ‘ بينما النماذج التي تشمل بيانات السلسة الزمنية الوحيدة لمحصول ال ا ربطة المتعلق بالشركات (Freedman )6 و 12 ، قد تم تطويره ، النماذج الاخرى ولدت خلال الارتباط واعادة تنظيم المتغي ا رت الاساسية 0 كل نوذج بني لتوقع 1شه ا ر كفترة زمنية للتوقع ونحن حصلنا على 9 نماذج لشبكة عصبية اصطناعية للتنبؤ بسعر الفائدة 0 الشبكات العصبيةاظهرت اداء جيدا في التنبأ (backpropagation) الاصطناعية ذات الطبقات المتعددة والتي تستخدم خوارزمية النمو الخلفيللفترتين شهر وستتة اشهر

Listing 1 - 7 of 7
Sort by
Narrow your search

Resource type

article (7)


Language

English (6)

Arabic (1)


Year
From To Submit

2010 (7)