%0 Journal Article %T مدل سازی سامانه کنترل ارتفاع با استفاده از شبکه های عصبی مصنوعی %J ماشین های کشاورزی %I دانشگاه فردوسی مشهد %Z 2228-6829 %A تهور, علیرضا %A حیدری, شاهین %A زرین چنگ, پویا %D 2016 %\ 09/22/2016 %V 6 %N 2 %P 350-361 %! مدل سازی سامانه کنترل ارتفاع با استفاده از شبکه های عصبی مصنوعی %K ابزار دقیق %K حسگر آلتراسونیک %K شبکه های عصبی مصنوعی %K کنترل ارتفاع %R 10.22067/jam.v6i2.45162 %X سامانه های ابزار دقیق و خودکار در ماشین آلات کشاورزی، میدانی و عمرانی به شکل فزآینده موجب افزایش بهره وری، دقت و توسعه کاربردی گردیده است. دستگاه کنترل ارتفاع جهت اندازه گیری ارتفاع نمونه های مختلف، از بخش های مکانیکی شامل مجموعه محرکه تسمه نقاله، بدنه اصلی، موتور الکتریکی، مبدل و بخش الکترونیکی شامل حسگر فراصوت فرستنده و گیرنده امواج، مجموعه الکترونیکی، مجموعه کنترل و میکروکنترلر ای تی مگا 32 ساخته شده است. در ابتدا عملکرد دستگاه به کمک شبکه عصبی مصنوعی مورد بررسی قرار گرفته و سپس آزمایش هایی جهت جمع آوری و معتبرسازی داده ها انجام گردیده است. در این مطالعه مشاهده گردید که استفاده از شبکه عصبی مصنوعی چند لایه همراه با الگوریتم یادگیری لونبرگ-مارکواردت دارای بهترین معیار برای برآورد و همگرایی نتایج داده های آزمایشگاهی می باشد و جایگزینی ماتریس واحد با ماتریس هسیان در معادله بهینه سازی شده قانون لونبرگ-مارکواردت تأثیر به سزایی در همگرایی و کاهش زمان محاسبات دارد. همچنین مطالعه حاضر جهت توسعه فرآیندهای کشاورزی، مهندسی و افزایش تأثیر دستگاه های تولید شده مورد نیاز در آموزش واحدهای اندازه گیری هوشمند بسیار مفید بوده و مسائل تخمین تابع در الگوریتم لونبرگ- مارکواردت کارایی، سرعت، دقت و همگرایی بالایی را از خود نشان داده و خطای کمینه4-10× 7/77 را دارا می باشد. %U https://jame.um.ac.ir/article_30728_a6b8e6bb8312032984c5d440c1f5294b.pdf