با همکاری انجمن مهندسان مکانیک ایران
1. به‌کارگیری سیستم استنتاج عصبی-فازی سازگار و شبکه‌های عصبی مصنوعی در پیش‌بینی و مدل‌سازی تغییرات کیفی زالزالک (Crataegus pinnatifida) طی شرایط مختلف انبارمانی

محسن زندی؛ علی گنجلو؛ ماندانا بی‌مکر

دوره 11، شماره 2 ، 1400، ، صفحه 343-357

http://dx.doi.org/10.22067/jam.v11i2.86654

چکیده
  در دهه‌های اخیر، از سیستم‌های هوش مصنوعی برای ایجاد مدل‌های پیش‌بینی جهت تخمین و پیش‌بینی بسیاری از فرآیندهای کشاورزی استفاده شده است. در این مطالعه، خصوصیات فیزیکی و شیمیایی میوه زالزالک طی نگهداری در شرایط مختلف با استفاده از شبکه‌های عصبی مصنوعی و سیستم استنتاج عصبی-فازی سازگار پیش‌بینی گردید. از داده‌های تجربی حاصل از نگهداری ...  بیشتر

2. مدل‌سازی و پیش‌بینی نیروهای وارد بر گاوآهن برگرداندار با استفاده از دو روش سطح پاسخ و شبکه عصبی مصنوعی

محمد رحمتیان؛ رضا یگانه؛ محمد امین نعمت اللهی

دوره 10، شماره 2 ، 1399، ، صفحه 169-185

http://dx.doi.org/10.22067/jam.v10i2.75672

چکیده
  در این پژوهش، نیروهای وارد بر گاوآهن برگرداندار، به دلیل اهمیت و تأثیرگذاری در برخی موارد همچون انتخاب تراکتور و به‌دست آوردن مدلی دقیق برای پیش‌بینی این نیروها، مورد بررسی قرار گرفتند. اثرات عمق خا‌ک‌ورزی در پنج سطح (5، 10، 15، 20 و 25 سانتی‌متر) و نیز سرعت پیشروی در پنج سطح (1، 5/1، 2، 5/2 و 3 متر بر ثانیه) بر نیروهای وارد بر گاوآهن برگرداندار ...  بیشتر

3. توسعه و ارزیابی یک سامانه بینی الکترونیکی بر پایه حسگرهای نیمه‌هادی اکسید فلزی جهت تشخیص و جداسازی اسانس‌های لیمو

سید پویا فیاض؛ سید سعید محتسبی؛ علی جعفری؛ عبدالناصر مسعودی

دوره 9، شماره 2 ، 1398، ، صفحه 253-263

http://dx.doi.org/10.22067/jam.v9i2.69568

چکیده
  اسانس‌ها یا روغن‌های فرار ازجمله مواد موجود در گیاهان هستند که شامل مخلوط پیچیده‌ای از مواد شیمیایی آلی مثل ترپینوئیدها، آلدئیدها، الکل‌ها، استرها، ستن‌ها و غیره می‌باشند. اسانس‌ها از تقطیر مواد فرار موجود در اندام‌های مختلف گیاهان تازه یا خشک به‌دست می‌آیند و وزن مخصوص آن‌ها غالباً از آب کمتر است. اسانس‌ها را می‌توان به ...  بیشتر

4. طبقه‌بندی کیوی با استفاده از تکنیک ضربه- آکوستیک و شبکه عصبی مصنوعی

فرزانه جنت دوست؛ پرویز احمدی مقدم؛ فاروق شریفیان

دوره 9، شماره 2 ، 1398، ، صفحه 337-346

http://dx.doi.org/10.22067/jam.v9i2.71198

چکیده
  حفظ پارامترهای کیفی میوه در مرحله پس از برداشت نقش تاثیرگذاری در بازارپسندی و کاهش ضایعات محصول دارد. هدف اصلی تحقیق حاضر، بررسی فاکتور سفتی میوه‌ی کیوی پس از برداشت با استفاده از تکنیک غیرمخرب آنالیز سیگنال صوتی حاصل از ضربه می‌باشد. در این مطالعه 150 عدد کیوی رقم هایوارد در طول دوره 18 روز پس از برداشت (پس از خروج از سردخانه) مورد مطالعه ...  بیشتر

5. مدل‌سازی تراکم خاک زیر تایر تراکتور با استفاده از شبکه عصبی پرسپترون چندلایه

غلامحسین شاهقلی؛ حافظ غفوری چیانه؛ ترحم مصری گندشمین

دوره 8، شماره 1 ، 1397، ، صفحه 105-118

http://dx.doi.org/10.22067/jam.v8i1.58891

چکیده
  یکی از مخرب‌ترین آثار تردد ماشین در مزرعه ایجاد تراکم در خاک‌های کشاورزی است. تراکم خاک‌های کشاورزی موجب افزایش مقاومت مکانیکی خاک، کاهش ریشه دوانی گیاه و نهایتاً کاهش عملکرد محصول می‌شود. مدل‌سازی سیستم‌های اکولوژیک توسط روش‌های متداول مدل‌سازی، به‌دلیل ماهیت پیچیده آنها در صورت امکان نیز بسیار مشکل است. سیستم‌های هوش مصنوعی ...  بیشتر

6. پیش‌بینی دما، رطوبت و انرژی مصرفی در شرایط محیطی سالن مرغداری به کمک شبکه عصبی مصنوعی

نعیمه غلامرضایی؛ کوروش قادری؛ کاظم جعفری نعیمی

دوره 7، شماره 2 ، 1396، ، صفحه 546-557

http://dx.doi.org/10.22067/jam.v7i2.50799

چکیده
  فراهم شدن شرایط مطلوب سالن‌های صنعتی پرورش مرغ گوشتی، مستلزم ثابت بودن عامل‌های دما و رطوبت داخل سالن در حد بهینه و کاهش دامنه تغییرات آن از مقدار بهینه است. یکی از راه‌های تنظیم و تثبیت این عامل‌ها، استفاده از ابزار دقیق و سامانه‌های الکترونیکی با دقت اندازه‌گیری بالا برای کنترل تجهیزات تهویه است. در این تحقیق از شبکه عصبی پرسپترون ...  بیشتر

7. مقایسه پیش بینی دمای خروجی جمع کننده خورشیدی تخت با نتایج تجربی: دینامیک سیالات محاسباتی و شبکه عصبی مصنوعی

فاطمه نادی؛ سامان آبدانان مهدی زاده؛ اولدوز نورانی زنوز

دوره 7، شماره 1 ، 1396، ، صفحه 298-311

http://dx.doi.org/10.22067/jam.v7i1.59698

چکیده
  تجزیه و تحلیل دقیق یک جمع کننده خورشیدی با توجه به بالا بودن تعداد پارامترهای مؤثر بر عملکرد آن کار پیچیده ای است. هدف از انجام این تحقیق، مقایسه تجربی و نظری عملکرد جمع کننده خورشیدی با توجه به توزیع جریان و درجه حرارت در دینامیک سیالات محاسباتی و شبکه عصبی پرسپترون چندلایه برای پیش بینی دمای خروجی از جمع کننده خورشیدی صفحه تخت است. ...  بیشتر

8. پیش‌بینی مقاومت غلتشی چرخ براساس پارامترهای مهم حرکتی با استفاده از شبکه عصبی مصنوعی

فاطمه قشلاقی؛ عارف مردانی کرانی

دوره 6، شماره 1 ، 1395، ، صفحه 259-270

http://dx.doi.org/10.22067/jam.v6i1.38887

چکیده
  یکی از عمده‌ترین افت‌های انرژی زمانی‌که چرخ روی خاک نرم حرکت می‌‌کند، مقاومت غلتشی می‌باشد. بهینه‌سازی مقدار مقاومت غلتشی به بهبود بازده انرژی کمک خواهد کرد، مدل‌سازی دقیق برهم‌کنش خاک-تایر کلید اساسی برای این بهینه‌سازی است و نیاز به آزمایش‌های مزرعه‌ای پرهزینه را حذف کرده و زمان مورد نیاز آزمایش را کاهش می‌دهد. در این تحقیق ...  بیشتر

9. بررسی حسگرهای فراصوتی جهت تخمین هوشمند حجم درختان

محمد اسکندری؛ عادل حسین پور

دوره 5، شماره 1 ، 1394، ، صفحه 25-34

http://dx.doi.org/10.22067/jam.v5i1.24956

چکیده
  طیف وسیعی از فعالیت های مهم کشاورزی از جمله تیمار آفت کش ها، آبیاری، کود و هرس درختان تا حد زیادی به خواص هندسی تاج پوشش درختان بستگی دارد. تحقیقات زیادی در زمینه استفاده از حسگرهای فراصوتی جهت تخمین حجم تاج پوشش درختان انجام شده است. این تحقیق به بررسی استفاده از روش های نرم افزاری از جمله شبکه های عصبی مصنوعی به‌منظور بهبود خطای ...  بیشتر

10. پیش بینی میزان خردشدگی خاک طی عملیات خاک‌ورزی با استفاده از سیستم استنتاج فازی- عصبی (ANFIS)

رضا صدقی؛ یوسف عباسپور گیلانده

دوره 4، شماره 2 ، 1393، ، صفحه 387-398

http://dx.doi.org/10.22067/jam.v4i2.40425

چکیده
  ایجاد ساختمان مناسب برای خاک به منظور رشد محصول از اهمیت زیادی برخوردار است و یکی از مشخصه های اصلی ساختمان خاک، اندازه خاک دانه‌ها می باشد. راه های مختلفی جهت نشان دادن وضعیت پایداری خاک دانه‌ها وجود دارد که از متداول ترین آنها می توان به تعیین میانگین وزنی قطر خاک دانه ها اشاره کرد. در این مقاله از روش سیستم استنتاج فازی بر پایه شبکه ...  بیشتر