دانلود مقاله ISI انگلیسی شماره 52493
ترجمه فارسی عنوان مقاله

پیش بینی عملکرد سیستم تهویه مطبوع وسیله نقلیه الکتریکی بر اساس شبکه های عصبی مصنوعی

عنوان انگلیسی
Electric vehicle air conditioning system performance prediction based on artificial neural network
کد مقاله سال انتشار تعداد صفحات مقاله انگلیسی ترجمه فارسی
52493 2015 14 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 5980 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 18 تومان 10 روز بعد از پرداخت 107,640 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 5 روز بعد از پرداخت 215,280 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.
تولید محتوا برای سایت شما
پایگاه ISIArticles آمادگی دارد با همکاری مجموعه «شهر محتوا» با بهره گیری از منابع معتبر علمی، برای کتاب، سایت، وبلاگ، نشریه و سایر رسانه های شما، به زبان فارسی «تولید محتوا» نماید.
  • تولید محتوا با مقالات ISI برای سایت یا وبلاگ شما
  • تولید محتوا با مقالات ISI برای کتاب شما
  • تولید محتوا با مقالات ISI برای نشریه یا رسانه شما
  • و...

پیشنهاد می کنیم کیفیت محتوای سایت خود را با استفاده از منابع علمی، افزایش دهید.

منبع

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

Journal : Applied Thermal Engineering, Volume 89, 5 October 2015, Pages 101–114

ترجمه کلمات کلیدی
سیستم تهویه هوا - شبکه عصبی مصنوعی - وسیله نقلیه الکتریکی - شیر انبساط الکترونیکی - پیش بینی عملکرد
کلمات کلیدی انگلیسی
Air conditioning system; Artificial neural network; Electric vehicle; Electronic expansion valve; Performance prediction
پیش نمایش مقاله
پیش نمایش مقاله پیش بینی عملکرد سیستم تهویه مطبوع وسیله نقلیه الکتریکی بر اساس شبکه های عصبی مصنوعی

چکیده انگلیسی

In this study, electric vehicle air conditioning system (EVACS) performances with scroll compressor and electronic expansion valve (EEV) were experimentally investigated by varying scroll compressor speed, EEV opening and environment temperature. An artificial neural network (ANN) model for EVACS performances (such as refrigerant mass flow rate, condenser heat rejection, refrigeration capacity and compressor power consumption) prediction was developed based on experimental data. The ANN model was tested with two transfer functions (logsig and tansig) and different hidden neurons (3–13) using Levernberg-Marquardt algorithm. The optimized ANN was determined as a configuration of 4-13-4 with logsig transfer function, which demonstrated the best capability with mean relative errors, root mean square errors and correlation coefficients in the range of 0.92–2.71%, 0.0044–0.0141 and 0.9975–0.9998, respectively.

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 5980 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 18 تومان 10 روز بعد از پرداخت 107,640 تومان
ترجمه تخصصی - سرعت فوری هر کلمه 36 تومان 5 روز بعد از پرداخت 215,280 تومان
پس از پرداخت، فوراً می توانید مقاله را دانلود فرمایید.