بهینه سازی سیکل ترکیبی با استفاده از الگوریتم های ژنتیک(ga) و بهینه سازی دسته ذرات(pso)

نویسندگان

احسان طاهری پور

ehsan taheri دانشگاه آزاد اسلامی واحد دزفول محمدرضا عصاری

mohammadreza assari دانشگاه صنعتی جندی شاپور دزفول افشین قنبر زاده

afshin ghanbarzadeh دانشگاه شهید چمران سید سجاد موسوی اصل

sajad mosavi asl دانشگاه آزاد اسلامی واحد دزفول

چکیده

چکیده: در این مقاله، سیکل ترکیبی بصورت کامل مدلسازی شده و پس از تحلیل انرژی و اگزرژی، تابع برازش مناسب تعریف و بهینه سازی آن توسط الگوریتم های ژنتیک و بهینه سازی دسته ذرات انجام شده است. لازم به ذکر است سیکل های ترکیبی از طراحی پیچیده­ای برخوردار بوده و اعمال هر تغییر در طراحی، بر متغیرهای زیادی به صورت مستقیم و غیر مستقیم تاثیر گذار می­باشد. اگرچه در گذشته تلاشهای زیادی به منظور بهینه سازی تک تک اجزاء اینگونه سیکل ها انجام شده ولی بهینه سازی کامل سیکل ترکیبی بخاطر پیچیدگی های موجود، کمتر مورد توجه قرار گرفته است. صحت مدلسازی انجام شده در این مقاله توسط مقایسه نتایج بدست آمدهاز مدل، با نتایج آزمایشی سیکل واقعی به اثبات رسیده اند. از جمله نتایج قابل توجه در اعمال محدودیت های در نظر گرفته شده در حل مسئله حذف برخی محدودیتهای بهینه سازی پینچ میباشد که پس از بررسی نتایج مشاهده شده است که حذف این محدودیت ها در نتایج بهینه سازی اثرات مطلوبی داشته است و همچنین تحلیل هایی در خصوص مقایسه نتایج الگوریتم ها و کاهش تلفات و نابودی اگزرژی انجام پذیرفته که منجر به طراحی بهینه ی نقاط بحرانی سیکل شده است.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

بهینه سازی سیکل ترکیبی با استفاده از الگوریتم های ژنتیک(GA) و بهینه سازی دسته ذرات(PSO)

چکیده: در این مقاله، سیکل ترکیبی بصورت کامل مدلسازی شده و پس از تحلیل انرژی و اگزرژی، تابع برازش مناسب تعریف و بهینه سازی آن توسط الگوریتم های ژنتیک و بهینه سازی دسته ذرات انجام شده است. لازم به ذکر است سیکل های ترکیبی از طراحی پیچیده­ای برخوردار بوده و اعمال هر تغییر در طراحی، بر متغیرهای زیادی به صورت مستقیم و غیر مستقیم تاثیر گذار می­باشد. اگرچه در گذشته تلاشهای زیادی به منظور بهینه سازی تک ...

متن کامل

بهینه سازی اندازه و شکل سازه های خرپا با روش بهینه سازی الگوریتم مثلث بهینه گر

در این مقاله روش بهینه سازی فراابتکاری جدید تحت عنوان الگوریتم مثلث بهینه گر برای پایین آوردن وزن سازه های خرپا ارائه شده است. این روش از مثلث الهام گرفته است. در این روش بردار اولیه متغیرهای طراحی بعنوان قاعده مثلث (سطر اول) در نظر گرفته می شوند. سپس توابع هدف محاسبه و بهترین و بدترین پاسخ مشخص می شوند. بدترین پاسخ از جمعیت حذف می گردد و بقیه جمعیت با بازیابی سطر دوم را تشکیل می دهند. این عمل ...

متن کامل

بهینه سازی جایابی شبکه های سنسور بی سیم با استفاده از الگوریتم های بهینه سازی سراسری و مدل سنجش احتمالی

در سال های اخیر، شبکه­ های حسگر بیسیم[1] در کاربردهای متعددی مورد مطالعه قرار گرفته ­اند. یکی از مسائل مهم مورد مطالعه در این شبکه­ ها، جایابی[2]  بهینه حسگرها به منظور دستیابی به بیشینه­ ی مقدار پوشش[3]</sup...

متن کامل

بهینه سازی ترمودینامیکی پارامترهای عملکردی سیکل تولید همزمان با استفاده از الگوریتم ژنتیک

طراحی سیکل تولید همزمان بسیار پیچیده بوده که علت این امر وجود دو سیکل تولید توان متفاوت است که توسط بویلر بازیاب به یکدیگر مرتبطند و هرگونه تغییری در طراحی، مستقیماً توان، بازدهی، هزینه ها و بسیاری از متغیرهای دیگر را تحت الشعاع قرار می دهد. محققین همواره در تلاش بوده اند راهی برای بهینه سازی اجزا و بخش های مختلف سیکل های تولید همزمان ارائه نمایند ولی بررسی کامل سیکل به دلیل پیچیدگی های منحصر بف...

متن کامل

بکارگیری الگوریتم ترکیبی بهینه سازی دسته ذرات برای حل مساله سنتی زمانبندی کار کارگاهی

The classical Job Shop Scheduling Problem (JSSP) is NP-hard problem in the strong sense. For this reason,   different metaheuristic algorithms have been developed for solving the JSSP in recent years. The Particle Swarm Optimization (PSO), as a new metaheuristic algorithm, has applied to a few special classes of the problem.  In this paper, a new PSO algorithm is developed for JSSP. First, a pr...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید


عنوان ژورنال:
مجله علمی تخصصی مهندسی مکانیک تبدیل انرژی

جلد ۱، شماره ۳، صفحات ۶۵-۷۱

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023