تعيين بهترين الگوريتم يادگيري در شبكه عصبي MLP به منظور تشخيص دبي جريان مواد دانه اي با تحليل سيگنال صوتي

امروزه كاربرد حسگرها ي مختلف در صنعت رو به افزایش است به عنوان مثال می توان حسگري معرفی كرد كه با استفاده از روش پردازش صدا عمل نماید. در این تحقیق سیگنالهاي صوتی مواد عبوري توسط روش پردازش صدا و شبكه عصبی چند لایه پرسپترون مورد تحلیل قرارگرفت و در نهایت بهترین الگوریتم یادگیري تعیین گردید به این منظور دستگاهی متشكل از مخزن، لوله عبور مواد، موزع، موتور الكتریكی، دستگاه ولتاژ متغیر و میكروفون ساخته شد. به عنوان نمونه سه دبی مختلف دانه برنج هر كدام به مدت 100 ثانیه از لوله عبور دستگاه گذرانده شد و سیگنال صوتی ناشی از عبور برنج توسط میكروفون به كامپیوتر منتقل گردید. این سیگنالهاي عبوري توسط نرم افزار مطلب ضبط گردید و با استفاده از روش پردازش صدا خصوصیات فركانسی آنها استخراج شد و به عنوان بردار ورودي در شبكه عصبی مصنوعی چند لایه پرسپترون استفاده گردید. این شبكه قادر است به خوبی دبی هاي عبوري مختلف را از هم متمایز كرده كه با توجه به تحلیل هاي انجام شده بهترین الگوریتم یادگیري این شبكه عصبی الگوریتم یادگیري LM تعیین گردید