0% Complete
صفحه اصلی
/
پنجمین کنفرانس بین المللی محاسبات نرم
پیش بینی ضریب آویزش پارچه باتوجه به پارامترهای کمی با استفاده از منطق فازی
نویسندگان :
فاطمه علینقی ندوشنی
1
پدرام پیوندی
2
1- دانشگاه یزد
2- دانشگاه یزد
کلمات کلیدی :
آویزش،ضریب آویزش،منطق فازی،پارچه های تاری پودی
چکیده :
یکی از خصوصیات مهم پارچه که آن را از سایر مواد مسطح مانند کاغذ و ورقهای پلاستیکی متمایز می کند توانایی آن برای آویزش میباشد، به دلیل اهمیت آویزش پارچه در طراحی و تولید، پوشاک این خاصیت از بعدهای مختلفی مورد مطالعه قرار گرفته است. یکی از مهمترین این جوانب در مرحله طراحی پارچه بررسی اثر ساختار و پارامترهای ساختمانی پارچه بر آویزش آن میباشد. تاثیر سه مورد از مهمترین پارامترها یعنی وزن مترمربع پارچه و تراکم تار و تراکم پود بر ضریب آویزش پارچه های تاری پودی مورد بررسی قرار گرفته است. در این مقاله از منطق فازی مبتنی بر دانش انسانی برای پیش بینی ضریب آویزش پارچههای مختلف استفاده شده است. نتایج حاصل نشان داد که قدر مطلق درصد میانگین خطای محاسبه شده بین مقادیر تجربی و پیش بینی شده کمتر از ۱۰ درصد می باشد. نتایج حاکی از آن است که مدل پیشنهادی بطور مطلوب ضریب آویزش را پیشگویی میکند.
لیست مقالات
لیست مقالات بایگانی شده
مدلسازی ریاضی برای برنامهریزی اتاق عمل تحت شرایط عدم قطعیت فازی
فائزه عباسی - سید میثم موسوی - علیرضا بهاری
تحلیل جواب های امواج سیار معادله فیتزو ناگامو
مصطفی اسلامی - سمیرا حیدری
Death Rate (per million) of Confirmed Patients Infected by COVID-19 in the Pandemic Period: A Continental Comparison
Seyed Amir Hossein Tabatabaei - Kiyan Rezaee - Mohammad Kazemi
Bayesian estimation of reliability for Rayleigh distribution under the entropy loss function
Najmeh Rashidi alavijeh - Nahid Sanjari farsipour
مدلسازی فازی برای زنجیره بحرانی پروژه با ارائه الگوریتم محاسبه بافر با توجه به محدودیتهای منابع
عرفان کریم خانی میانجی - سید میثم موسوی - محمد فرهمندمهر
بررسی مقایسه ای روش های جستجوی هارمونی، الگوریتم ژنتیک و تبرید شبیه سازی شده در مساله بهینه سازی اندازه در سازه
آرش رادمان
فیلتر پایین گذر Gm-C مرتبه-ششم توان پایین قابل استفاده در کاربردهای صوتی
محسن قائم مقامی - شهباز ریحانی
بررسی تجزیه پذیری جبرهای k-گرافی
مریم کشول رجب زاده
Classification model for Statlog heart disease prediction through evolutionary feature selection and GMDH neural network
Nasibeh Emami
پیش بینی کووید 19 براساس مدل های هوش مصنوعی برروی تصاویر اسکن ریه
سید فرزین میربستانی - مرضیه فریدی ماسوله - مریم عابدینی
بیشتر
ثمین همایش، سامانه مدیریت کنفرانس ها و جشنواره ها - نگارش 42.0.2