استفاده از شبکه عصبی و الگوریتم ژنتیک در بدست آوردن ماکزیمم پاسخ سیستم نامیزان
Authors
abstract
دیسک و پره سیستمی است که از تعداد مشخصی قطاع با خصوصیات هندسی و ماده یکسان تشکیل شده است. اما در عمل همواره اختلافات کوچکی در خصوصیات فیزیکی سیستم وجود دارد. این اختلافات می تواند ناشی از تولرانس های ساخت باشد. همچنین کارکرد زیاد سیستم و استهلاک ناشی از آن از دیگر عوامل بوجودآمدن نامیزانی در سیستم هستند. در اثر این پدیده، تفاوت های بسیار زیادی در پاسخ دینامیکی سیستم نسبت به حالت میزان ملاحظه می شود. در تحقیق حاضر از شبکه عصبی و الگوریتم ژنتیک به¬عنوان روشی کارآمد، سریع و دقیق برای بدست آوردن ماکزیمم پاسخ فرکانسی سیستم دیسک و پره استفاده شده است. برای این کار، ابتدا مدل اجزاء محدود سیستم دیسک و پره در محیط نرم افزار انسیس ایجادشد. پاسخ فرکانسی پره ها در حالت میزان بدست آمد. سپس طی دویست مرحله آزمایش برای دانسیته های متفاوت، ماکزیمم پاسخ سیستم نامیزان برای هر آزمایش بدست آمد. در ادامه با استفاده از شبکه عصبی و الگوریتم ژنتیک ماکزیمم پاسخ فرکانسی محاسبه شد. با δjهای بدست آمده برای حالت ماکزیمم پاسخ، مدل جدید در نرم افزار انسیس ایجاد شد و ماکزیمم پاسخ فرکانسی بدست آمد. مطابقت قابل قبول پاسخ بدست آمده از نرم افزار با پاسخ بدست آمده از شبکه عصبی و الگوریتم ژنتیک، کارایی روش به کار رفته را نشان می دهد.
similar resources
روشی نو در بدست آوردن کمترین نقاط شکست به کمک الگوریتم ژنتیک
Nowadays in order to increase the reliability and other special aims, the power networks are exchanged to the large and interconnected networks. In such networks, the relays setting and coordination is complicated and needs to determine break points. Break points are the initial points in coordination process and in pervious works, different methods are proposed to finding them in interconnecte...
full textپیشبینی خشکسالی با استفاده از الگوریتم ژنتیک و مدل ترکیبی شبکه عصبی- موجکی
خشکسالی بهعنوان یکی از مهمترین بلایای طبیعی است که ممکن است در هر رژیم آب و هوایی اتفاق بیفتد. از آنجا که وقوع خشکسالی اجتناب ناپذیر است، بنابراین شناخت آن بهمنظور مدیریت بهینه منابع آب، از اهمیت بسزایی برخوردار است. از مؤثرترین عوامل در تدوین طرحهای مقابله با خشکسالی و مدیریت آن، طراحی سیستمهای پیشبینی خشکسالی است که بتوان اثرات مخرب ناشی از آن را به حداقل رساند. به این منظور در این تحقیق...
full textبهینهسازی فرایندهای عملیاتی پیش تصفیه آب صنعتی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
full text
مدلسازی فرایند تبدیل خشک متان بهکمک پلاسما با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
پیشبینی فراوردههای (هیدروژن و کربن مونوکسید) تبدیل خشک متان بهکمک پلاسما در فشار جوی با استفاده از شبکه عصبی مصنوعی شبیهسازی شد. دادههای تجربی موردنیاز برای مدلسازی شبکه عصبی مصنوعی از یک واکنشگاه پلاسمایی تخلیه کرونا جمعآوری شد. اثر عاملهای فرایندی (توان تخلیه پلاسما، دبی خوراک ورودی) بر کارایی تبدیل متان و گزینشپذیری نسبت به فراوردههای مورد بررسی قرار گرفتند. شبکه پیشخور با الگوری...
full textMy Resources
Save resource for easier access later
Journal title:
مکانیک سازه ها و شاره هاPublisher: دانشگاه صنعتی شاهرود
ISSN 2251-9475
volume 1
issue 2 2012
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023