نام کاربری یا پست الکترونیکی
رمز عبور

205015 Fuzzy logic model of Langmuir probe discharge data

Abstract:

Plasma models are crucial to gain physical insights into complex discharges as well as to optimizing plasma-driven processes. As an alternative to physical model, a qualitative model was constructed using adaptive fuzzy logic called adaptive network fuzzy inference system (ANFIS). Prediction performance of ANFIS was evaluated on two sets of experimental discharge data. One referred to as hemispherical inductively coupled plasma (HICP) was characterized with a 24 full factorial experiment, in which the factors that were varied include source power, pressure, chuck position, and Cl2 flow rate. The other called multipole ICP was characterized by performing a 33 full factorial experiment on the factors, including source power, pressure, and Ar flow rate. Trained ANFIS models were tested on eight and 16 experiments not pertaining to previous training data for HICP and MICP, respectively. Plasma attributes modeled include electron density, electron temperature, and plasma potential. The performance of ANFIS was optimized as a function of a type of membership function, number of membership function, and two learning factors. The number of membership functions was different depending on the type of plasma data and employing too large number of membership functions resulted in a drastic degradation in prediction performances. Optimized ANFIS models were compared to statistical regression models and demonstrated improved predictions in all comparisons.

:Authors

Byungwhan Kim, Jang Hyun Park, Beom-Soo Kim

Keywords:

Plasma modeling, Backpropagation neural networks, Experimental design, Prediction, Adaptive network fuzzy inference system, Statistical response surface models

 

download-icon Fuzzy logic model of Langmuir probe discharge data

دپارتمان های علمی

درباره کنسرسیوم

پنل آموزشی

آمار سایت

تعداد اعضای آنلاین : 0

تعداد کل اعضای کنسرسیوم : 1744

برای مشاهده اعضای آنلاین کلیک کنید

مراکز خدماتی و رفاهی طرف قرارداد

marakez

آموزشگاه مهندسی پزشکی معرفی مهندسی پزشکی ، مهندسی پزشکی گرایش بالینی ، مهندسی پزشکی گرایش بیومکانیک ، مهندسی پزشکی گرایش بیوالکتریک ، مهندسی پزشکی گرایش بیومتریال (بیومواد) ، مهندسی پزشکی ایران ، مهندسی پزشکی دانشگاه پیام روش‌های اسپیرومتری دوره تعمیرات تجهیزات پزشکی در تبریز عیب یابی جوش تولیدکنندگان تجهیزات پزشکی دانشگاه كالیفرنیا شرکت بازرسی دانلود رایگان نمونه سوالات پیام نور CRISRP مسمومیت با گازهای سمی لیزرهای سخت آموزش تجهیزات دندانپزشکی پیکومولار تا نانومولار تضمین کیفیت اوره کشنده الکترو شوک Primedic روشنایی دوره ایمنی و بهداشت صنعتی (HSE) در نیشابور حقوق حضرت علی اکبر مجوز تزریقات پانسمان راست دست امام سجاد نگهداری تجهیزات آزمایشگاهی cips تعمیر دندانپزشکی مانیتورینگ علایم حیاتی Biosys دوره جامع دستیاری دندانپزشک در رشت جوشکاری نبولایزر چطور عمل میکند سرطان تیروئید وظايف مسئول فنی وارد کننده تصفیه کردن مواد زائد مدیریت پزشکی دستیار دندانپزشک استخدامی اصفهان متخصص ارتباطات درون شبکه هوش هیجانی معجزه ای جاودان بازرسی محور دپارتمان مهندسی پزشکی آموزش شکسته بندی در تبریز کنترل کلاس تعمیر تجهیزات پزشکی در ساری فیلم آموزش طب سنتی موفقیتی دیگر در مسیر ترمیم بافتهای استخوانی با فناوری نانو محبوب ترين آشنایی با ای سی جی پروژه مهندسی پزشکی هنری بكرل شرکت‌هاي تجاري بازرسی جوش به پنج روش عملی در تبریز ادمین شبکه اموزش تعمیر یونیت تبصره تعمیر ای سی جی عمل صالح مدرک نسخه خوانی رشته مهندسی مدیریت اجرایی

logo Fuzzy logic model of Langmuir probe discharge data

حامیان کنسرسیوم ایرکاس

  • IRSME
  • RKA
  • ACS
  • IUE
  • RFTC
  • BQC
  • DNW
  • ICS
  • TUV-EMB
  • QAL
  • Ino
  • Allaiance
  • Tckit

تبلیغات در ایرکاس

دسترسی به ژورنال مقالات

az3

تصاویر اینستاگرام ایرکاس