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 می‌تواند ناشی از تولرانس‌های ساخت باشد. همچنین کارکرد زیاد سیستم و استهلاک ناشی از آن از دیگر عوامل بوجودآمدن نامیزانی در سیستم هستند. در اثر این پدیده، تفاوت‌های بسیار زیادی در پاسخ دینامیکی سیستم نسبت به حالت میزان ملاحظه می‌شود. 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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

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 text

پیش‌بینی 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 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 text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 1  issue 2

pages  37- 46

publication date 2012-06-13

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023