انتخاب و ورق زدن کتاب از قفسه کتابخانه کتاب انتخابی از قفسه بیرون می‌آید، روی میز باز می‌شود و صفحه‌های آن در جهت درست ورق می‌خورند.
معرفی منبع
XL-CU-12B2-CH-0003

Determination of the optimal parameters of casting a copper wire by the application of neural networks

Book chapter انگلیسی External link
پدیدآور V. Stoiljkovic; M. Arsenovic; Lj. Stoiljkovic; N. Stojahovic
ناشر Springer Vienna
سال انتشار 1996
اطلاعات کتابشناختی

مشخصات منبع

پدیدآور V. Stoiljkovic; M. Arsenovic; Lj. Stoiljkovic; N. Stojahovic
ناشر Springer Vienna
سال انتشار 1996
شابک 9783709126783
DOI 10.1007/978-3-7091-2678-3_45
اثر مادر CISM International Centre for Mechanical Sciences
موضوع اصلی صنایع پایین دستی و ساخت محصولات مسی
موضوع تخصصی ریخته گری پیوسته سیم مسی
معرفی و چکیده

توضیحات منبع

خلاصه فارسی

فصل «Determination of the optimal parameters of casting a copper wire by the application of neural networks» از کتاب «CISM International Centre for Mechanical Sciences» بر «ریخته‌گری پیوسته سیم مسی» در حوزه «صنایع پایین‌دستی و ساخت محصولات مسی» تمرکز دارد. مباحث اصلی آن شامل هادی‌های الکتریکی، سیم و کابل و ریخته‌گری، شکل‌دهی و ساخت است. این فصل برای انتخاب ماده، طراحی محصول، ساخت، ارزیابی عملکرد و کنترل کیفیت کاربرد دارد و ارتباط میان نظریه، انتخاب روش، شاخص‌های عملکرد و محدودیت‌های صنعتی را روشن می‌کند.

چکیده انگلیسی

Considering all shortcomings of the existing procedures for continual copper wire casting a new process has been developed based on the “Upcast” casting system principles as well as on those for casting by continual hardening immediately from a molten material. The aim is to produce a copper wire of 8 mm in diameter that can be directly subjected to cold treatment without any previous hot treatment processing. This paper presents an analysis of the data acquired by using neural networks that have provided for a relatively easy determination of input parameters for manufacturing copper wire with desired characteristics.

کلیدواژه‌ها

موضوعات مرتبط

Hardening (metallurgy); Metallurgy; Materials science; Copper wire; Cold treatment; Molten material; Artificial neural network; Mechanical engineering
فایل‌ها و منابع

راه‌های دسترسی به منبع