دانلود مقاله علمی

توضیحات محصول

دانلود مقاله طراحی بهینه سازی چندمنظوره پیچ پدیکول ستون فقرات با استفاده از شبکه های عصبی و الگوریتم ژنتیک: مدل های ریاضی واعتبار سنجی مکانیک

تعداد کلمات فایل انگلیسی:7892 کلمه 9 صفحه pdf 

تعداد صفحات فایل ترجمه:9 صفحه word فونت 14 B Nazanin+ Bold

طراحی بهینه سازی چندمنظوره پیچ پدیکول ستون فقرات با استفاده از شبکه های عصبی و
الگوریتم ژنتیک: مدل های ریاضی واعتبار سنجی مکانیک
ابزار دقیق کوتاه قطعه ای برای شکستگی های ستون فقرات با عوارض بالا نسبتا تهدید کننده است.
با شکست روبرو شدن پیچ پدیکول ستون فقرات ممکن است شکستگی و شل شدن و یکپارچگی تثبیت را به خطر اندازد و منجر به روبرو شدن درمان با شکست شود. دو اهداف مهم
، مقاومت خمیدگی و قدرت خروج، ممکن است با یکدیگر در تضاد باشند و در حکم مطالعه بهینه سازی چندمنظوره باشند. درمطالعه حاضر با استفاده از المان محدود سه بعدی (FE) نتایج تحلیلی در یک آرایه متعامد L25 بر اساس، خم وخروج توابع هدف توسط شبکه عصبی مصنوعی (ANN) الگوریتم توسعه یافته اند، و راه حل تجارت کردن به عنوان بهینه پارتو توسط الگوریتم ژنتیک (GA) شناخته شده استفاده شد. نتایج نشان داد که راه حل زانو از جبهه پارتو با هر دو خم شدن بالا و قدرت خروج به ترتیب حداکثر در بازه زمانی 92٪ تا 94٪ می باشد. در اعتبار سنجی مکانیکی، نتایج تجزیه و تحلیل ریاضی نزدیک به کسانی که ادر آزمون های تجربی بودندبا ضریب همبستگی 0.91 – مربوط خم و 0.93 برای خروج بود. (? <0.01 برای هر دو) این طراحی بهینه عمر خستگی را به طور قابل توجهی بالاتر می برد (? <0.01) و قدرت خروج را قابل مقایسه میکند. در مقایسه با پیچ تجاری چندمنظوره مطالعه بهینه سازی پیچ ساقه ستون فقرات با استفاده از ترکیبی از شبکه عصبی و الگوریتم می تواند یک طرح ایده آل برای خم شدن بالا و اجرای خروج به طور همزمان دست یابد.

Multiobjective Optimization Design of Spinal Pedicle Screws Using Neural Networks and Genetic Algorithm: Mathematical Models and Mechanical Validation

Short-segment instrumentation for spine fractures is threatened by relatively high failure rates. Failure of the spinal pedicle screws including breakage and loosening may jeopardize the fixation integrity and lead to treatment failure. Two important design objectives, bending strength and pullout strength, may conflict with each other and warrant a multiobjective optimization study. In the present study using the three-dimensional finite element (FE) analytical results based on an L25 orthogonal array, bending and pullout objective functions were developed by an artificial neural network (ANN) algorithm, and the trade-off solutions known as Pareto optima were explored by a genetic algorithm (GA). The results showed that the knee solutions of the Pareto fronts with both high bending and pullout strength ranged from 92% to 94% of their maxima, respectively. In mechanical validation, the results of mathematical analyses were closely related to those of experimental tests with a correlation coefficient of-0.91 for bending and 0.93 for pullout (P < 0.01 for both). The optimal design had significantly higher fatigue life (P < 0.01) and comparable pullout strength as compared with commercial screws. Multiobjective optimization study of spinal pedicle screws using the hybrid of ANN and GA could achieve an ideal with high bending and pullout performances simultaneously

کد:1-9164

دانلود رایگان فایل انگلیسی:

رمز فایل:www.downloadmaghaleh.com

دانلود مقاله طراحی بهینه سازی چندمنظوره پیچ پدیکول ستون فقرات با استفاده از شبکه های عصبی و الگوریتم ژنتیک: مدل های ریاضی واعتبار سنجی مکانیک