威斯康星大学 - 米尔沃基大学Pradeep K. Rohatgi博士教授Anton Ficai教授Anton Ficai教授,Bucharest Politehnica大学教授Jufu Jiang博士,Harbin Technology Assoc。 中国达利安大学的Xiaojun Yan博士。 日本Kindai大学Masaaki Nakai博士教授。 印度科学学院班加罗尔协会的Ajay Kumar教授。 穆罕默德·阿卜杜勒·哈迪·格佩雷(Mohamed Abdel-Hady Gepreel) Fevzi Bedir,Gebze技术大学教授HayrettinAhlatçı博士,Karabuk大学教授AliGüngör博士,Karabuk大学教授Burhanettinİnem博士,Gazi University威斯康星大学 - 米尔沃基大学Pradeep K. Rohatgi博士教授Anton Ficai教授Anton Ficai教授,Bucharest Politehnica大学教授Jufu Jiang博士,Harbin Technology Assoc。中国达利安大学的Xiaojun Yan博士。 日本Kindai大学Masaaki Nakai博士教授。 印度科学学院班加罗尔协会的Ajay Kumar教授。 穆罕默德·阿卜杜勒·哈迪·格佩雷(Mohamed Abdel-Hady Gepreel) Fevzi Bedir,Gebze技术大学教授HayrettinAhlatçı博士,Karabuk大学教授AliGüngör博士,Karabuk大学教授Burhanettinİnem博士,Gazi University中国达利安大学的Xiaojun Yan博士。日本Kindai大学Masaaki Nakai博士教授。 印度科学学院班加罗尔协会的Ajay Kumar教授。 穆罕默德·阿卜杜勒·哈迪·格佩雷(Mohamed Abdel-Hady Gepreel) Fevzi Bedir,Gebze技术大学教授HayrettinAhlatçı博士,Karabuk大学教授AliGüngör博士,Karabuk大学教授Burhanettinİnem博士,Gazi University日本Kindai大学Masaaki Nakai博士教授。印度科学学院班加罗尔协会的Ajay Kumar教授。 穆罕默德·阿卜杜勒·哈迪·格佩雷(Mohamed Abdel-Hady Gepreel) Fevzi Bedir,Gebze技术大学教授HayrettinAhlatçı博士,Karabuk大学教授AliGüngör博士,Karabuk大学教授Burhanettinİnem博士,Gazi University印度科学学院班加罗尔协会的Ajay Kumar教授。穆罕默德·阿卜杜勒·哈迪·格佩雷(Mohamed Abdel-Hady Gepreel) Fevzi Bedir,Gebze技术大学教授HayrettinAhlatçı博士,Karabuk大学教授AliGüngör博士,Karabuk大学教授Burhanettinİnem博士,Gazi University穆罕默德·阿卜杜勒·哈迪·格佩雷(Mohamed Abdel-Hady Gepreel) Fevzi Bedir,Gebze技术大学教授HayrettinAhlatçı博士,Karabuk大学教授AliGüngör博士,Karabuk大学教授Burhanettinİnem博士,Gazi University
Mechanical properties (tensile strength (TS), modulus of elasticity in tensile (MET), flexural strength (FS), modulus of elasticity (MOE)) of the material to be obtained depending on the production parameters in the production of high-density polyethylene (HDPE) wood-polymer composites with Scots pine wood flour additive were predicted using Artificial Neural Networks (ANN) model and without破坏性测试。在研究的第一阶段,使用来自56种不同研究的有关木材聚合物复合材料的机械性能的不同研究开发了ANN模型。在第二阶段,为了确定模型的可靠性,使用未在模型的训练和测试中使用的输入参数估算输出值。基于相同的输入参数,产生了测试样品,并进行了机械测试。通过考虑平均绝对百分比误差(MAPE)值来比较从实验和ANN模型中获得的结果。在ANN模型的训练和测试阶段获得的测定系数(R 2)值均高于0.90。通过这种方式,ANN模型成功预测了木材聚合物复合材料的机械性能。由于从机械测试获得的大多数MAPE值低于10%,因此该模型被认为是可靠的模型。doi:10.15376/biores.19.3.4468-4485关键字:拉伸强度;弯曲力;弹性模量; HDPE; MAPE联系信息:A:Safranbolu的互助设计系,Safranbolu西YılmazDizdar职业学校,卡拉布克大学,Safranbolu/Karabuk,土耳其; B:土耳其卡拉布克大学卡拉布克大学技术学院工业设计工程系;答:土耳其杜兹克大学的林产品工业工程,杜兹斯大学林业教师; *通讯作者:altayeroglu@karabuk.edu.tr简介
近几十年来,人们对微电网的兴趣日益浓厚,它带来了诸如能源效率、减少生产污染、系统可靠性等重要条件。微电网作为智能电网的关键,在降低功率损耗、改善电压曲线、减轻污染物排放、提高电力系统可靠性和质量方面发挥着至关重要的作用。本文考虑了卡拉布克大学微电网的技术经济和环境分析。利用 HOMER(能源混合优化模型)软件对卡拉布克大学校区的微电网进行了优化、灵敏度、需求响应和污染物排放模拟和分析。技术经济和环境分析的结果表明,在 25 年的使用时间内,新型分布式发电将得到整合。在提出的情景中,合法能源成本为 0.284 美元,可再生能源比例为 14.8%,净现值成本和运营成本分别下降至 11.28% 和 21.21%。结果表明,所提出的混合微电网系统有助于实现清洁大学校园的理念,并以最佳的投资回报时间提供最低的电力成本。
本研究调查了光滑表面散热器和翅片表面散热器的电喷雾冷却特性。在锥形喷射模式下,使用乙醇对 7 种不同热流进行了实验研究,可产生稳定连续的液滴直径。实验中使用了 7 kV 电压、20 mm 喷嘴到基板距离、0.61 mm 内径 (di) 的不锈钢喷嘴和 0.45–0.60 ml/min 的流速。由于两个流速值非常接近,因此在电喷雾形成方面没有观察到差异,但由于送往散热器的液体量较多,因此在 0.60 ml/min 流速下,不同热流下的冷却效果比 0.45 ml/min 流速下好 15–44%。此外,首次应用于电喷雾冷却的翅片散热器的冷却效果比光滑表面散热器大约好 1.3 到 1.6 倍。电喷雾滴水对翅片散热器冷却效果的影响用增强比 (ER) 表示。此外,还研究了不同表面温度下翅片增强比 (FER) 的变化,该比表示翅片散热器与无翅片散热器相比的冷却增强程度。结果,与使用电喷雾冷却改善传热的研究不同,建议可以使用以前未使用过的翅片表面散热器作为进一步增强传热的有效参数。2020 卡拉布克大学。Elsevier BV 出版服务本文为 CC BY-NC-ND 许可下的开放获取文章( http://creativecommons.org/licenses/by-nc-nd/4.0/ )。
乳腺肿瘤是乳腺癌诊断最突出的指标之一。精确的肿瘤分割对于提高乳腺癌检测的准确性至关重要。医生对 MRI 扫描的评估非常耗时,需要大量的人力和专业知识。此外,传统的医学分割方法通常需要先验信息或手动特征提取,导致诊断具有主观性。因此,开发一种自动图像分割方法对于临床应用至关重要。这项工作提出了 BTS-GAN,一种在磁共振成像 (MRI) 扫描中使用条件 GAN (cGAN) 的自动乳腺肿瘤分割过程。首先,我们使用编码器-解码器深度网络作为生成器,并在编码器和解码器之间使用跳跃连接,以提高定位效率。其次,我们利用并行扩张卷积 (PDC) 模块来保留各种大小肿块的特征并有效提取有关肿块边缘和内部纹理的信息。第三,在 cGAN 的损失函数中加入了额外的分类相关约束,以缓解基于分类的图像到图像 (I2I) 翻译任务中难以收敛的挑战。我们提出的模型的生成器端学习检测肿瘤并构建二值掩码,而鉴别器学习区分地面真实和合成掩码,从而驱动生成器生成尽可能真实的掩码。实验结果表明,我们的 BTS-GAN 对于乳腺肿瘤分割更有效、更可靠,并且在公开可用的 RIDER 乳腺癌 MRI 数据集上的 IoU 和 Dice 系数方面优于其他分割技术。我们提出的模型分别实现了 77% 和 85% 的平均 IoU 和 Dice 得分。2022 作者。由 Elsevier BV 代表卡拉布克大学出版 这是一篇根据 CC BY-NC-ND 许可 ( http://creativecommons.org/licenses/by-nc-nd/4.0/ ) 的开放获取文章。
