دانلود مقاله ISI انگلیسی شماره 92793
ترجمه فارسی عنوان مقاله

بهینه سازی روند طراحی مخلوط آسفالت با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

عنوان انگلیسی
Optimizing asphalt mix design process using artificial neural network and genetic algorithm
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
92793 2018 11 صفحه PDF سفارش دهید
دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله تقریباً شامل 6927 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 13 روز بعد از پرداخت 83,124 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 166,248 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
منبع

Publisher : Elsevier - Science Direct (الزویر - ساینس دایرکت)

Journal : Construction and Building Materials, Volume 168, 20 April 2018, Pages 660-670

ترجمه کلمات کلیدی
شبکه های عصبی مصنوعی، الگوریتم ژنتیک، درجه بندی طراحی مخلوط آسفالت، بهینه سازی،
کلمات کلیدی انگلیسی
Artificial neural network; Genetic algorithm; Gradation; Asphalt mix design; Optimization;
پیش نمایش مقاله
پیش نمایش مقاله بهینه سازی روند طراحی مخلوط آسفالت با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

چکیده انگلیسی

Selection of aggregate gradation and binder content for asphalt mix design, which comply with specification requirements, is a lengthy trial and error procedure. Success in performing mix design rely largely on experience of the designer. This paper presents development of an automatic mix design process with the ability to both predict and optimize asphalt mix constituents to obtain desired mix properties. A successful automatic process requires the use of local past experience translated into a design aid tool, which then predicts properties of asphalt mix without actually testing the mix in laboratory. In the proposed approach, simple multilayer perceptron structure Artificial Neural Network (ANN) models were developed using 444 Marshall mix design data. The ANN models were able to predict both air voids and theoretical maximum specific gravity of asphalt mix to within ±0.5% and ±0.025, respectively, for 99.6% of the time. After that, the ANN models were called by a non-linear constrained genetic algorithm to optimize asphalt mix, while satisfying the Marshall requirements defined in the formulation as constraints. Durability of the optimized mix is ensured by introducing a constraint on adequacy of asphalt film thickness. The developed mix design aid tool is compiled into a computer software called Asphalt Mix Optimization (AMO) that can be used by road agencies as a mix design tool. A case study is presented to demonstrate the ability of the model to optimize aggregate gradation and minimize binder content in asphalt mix. The computed ANN outputs and the optimized gradation were found to compare well with laboratory measured values. Although, Marshall compacted mixes were used in demonstrating the approach, this method is general and can be applied to any mix design procedure.

دانلود فوری مقاله + سفارش ترجمه

نسخه انگلیسی مقاله همین الان قابل دانلود است.

هزینه ترجمه مقاله بر اساس تعداد کلمات مقاله انگلیسی محاسبه می شود.

این مقاله شامل 6927 کلمه می باشد.

هزینه ترجمه مقاله توسط مترجمان با تجربه، طبق جدول زیر محاسبه می شود:

شرح تعرفه ترجمه زمان تحویل جمع هزینه
ترجمه تخصصی - سرعت عادی هر کلمه 12 تومان 13 روز بعد از پرداخت 83,124 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 24 تومان 7 روز بعد از پرداخت 166,248 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.