مدلسازی لوله های انتقال گاز با شبکه های عصبی مصنوعی به منظور تشخیص عیوب آنها

Authors

احسان جمشیدی استادیار، گروه مهندسی مکانیک، واحد سمنان، دانشگاه آزاد اسلامی ، سمنان، ایران

علی جودکی دانشجوی کارشناسی ارشد، گروه مهندسی مکانیک، واحد سمنان، دانشگاه آزاد اسلامی ، سمنان، ایران

مرتضی محمدظاهری استادیار، گروه مهندسی مکانیک، واحد سمنان، دانشگاه آزاد اسلامی ، سمنان، ایران

Abstract:

این مقاله معرفی رویکرد جدید برای عیب یابی خطوط لوله انتقال گاز با استفاده از شبکه عصبی مصنوعی به کمک امواج مکانیکی است که این روش بسیار ارزان تر و آسان تر از روش اولتراسوند است. که در حال حاضر مشغول به کارمی باشد. این خطوط معمولا در شرایط محیطی سخت و دور از دسترس و در مسافت های طولانی قرار دارند و استفاده از سیستم های که بصورت آنی و دقیق بتوانند عیب ها و نشتی های این لوله را گزارش دهند حیاتی می باشد.روش ارائه شده شامل مدل سازی یک قطعه لوله 2 اینچی به طول 50 متر در نرم افزار آباکوس6.121است. سپس در نرم افزار اجزاء محدود مدل اجزاء محدود بدست آورده شده است. سپس برای تایید و اعتبار سنجی به مدل اجزاء محدود، قطعه تحت تست مودال قرار گرفته و بعد از تایید مدل شبیه سازی عیب ها که شامل ایجاد 15 سوراخ به شعاع یک میلی متر در فاصله های سه متری است بر روی مدل اجزاء محدود انجام شده است.سپس با گرفتن ارتعاشات(شتاب) لوله در حالت سالم و حالت با عیب و انتقال داده ها شتاب به حوزه فرکانس انجام می شود سپس با استفاده از امضای مکانیکی عیوب ،اختلاف شتاب بین دو مدل سالم و معیوب محاسبه می شود.در مرحله بعد با استفاده از تکنیک های آماری داده های بدست آمده را بصورت مطلوب کاهش می دهیم وسپس شبکه عصبی مصنوعی پایه شعاعی (RBFN) و شبکه عصبی مصنوعی پرسپترون چند لایه (MLP) برای تخمین مکانی عیب آموزش داده می شود. نتایج بدست آمده قابلیت شبکه های عصبی طراحی شده در تخمین موقیعت عیب را به خوبی نشان می دهد.

Upgrade to premium to download articles

Already have an account?login

similar resources

تشخیص آسیب در خطوط انتقال گاز بر اساس تغییرات فرکانس طبیعی به کمک شبکه های عصبی مصنوعی

هدف از این مقاله معرفی یک رویکرد جدید برای عیب یابی خطوط لوله انتقال گاز با استفاده از امواج مکانیکی است. در این مقاله تلاش شده است با استفاده از خصوصیات فرکانس طبیعی و تغییر آن، روشی جهت پیدا کردن عیوب ارائه گردد. با توجه به ارتباط جرم و سفتی در تعیین فرکانس طبیعی، به جای ایجاد عیب (کاهش سفتی) از افزایش جرم استفاده شده است. روش ارائه شده شامل مدل سازی لوله 2 اینچی به طول2 متر در نرم افزار آبا...

full text

پیش بینی ضریب نفوذ مولکولی گاز در نفت خام با استفاده از مدلسازی شبکه های عصبی مصنوعی

full text

بررسی تشکیل هیدرات گازی در خطوط لوله گاز با استفاده از مدل شبکه عصبی مصنوعی

full text

تشخیص آنامولی های TEC قبل از وقوع زلزله های بزرگ با استفاده از شبکه عصبی مصنوعی

وقوع زلزله علاوه بر تغییر در هندسه و فیزیک پوسته زمین تأثیرات دیگری را نیز به همراه دارد. از آن جمله، تأثیر بر لایه یونسفر می&zwj;باشد که خود را به‌صورت تغییر در میزان الکترون، چگالی یون‌ها، میدان‌های الکتریکی و مغناطیسی این لایه نشان می‌دهد. هر پارامتر ژئوفیزیکی و ژئوشیمیایی در لایه‌های لیتوسفر، اتمسفر و یونسفر زمین که قبل از وقوع زلزله تغییراتی در آن پدید آید به‌عنوان پیش‌نشانگر شناخته می‌شود...

full text

مدلسازی و شبیه‌سازی بیوسنسور آنزیمی برای تشخیص آفلاتوکسین B1 با استفاده از شبکه عصبی مصنوعی

افلاتوکسین B1 (AFB1) سمی ترین گروه آفلاتوکسین‌هاست که باعث آلودگی محصولات کشاورزی شده و اثرات مرگ باری بر سلامت انسان دارد. تشخیص AFB1 در مواد غذایی و خوراکی توسط بیوسنسورها سریع، کم هزینه و دقیق است. در این مقاله به مدلسازی و شبیه‌سازی ‌واکنش‌های شیمیایی در بیوسنسور پتانسیومتری AFB1 جهت تعیین ثابت‌های بهینه نرخ واکنش پرداخته شده است. شبیه‌سازی ‌واکنش‌های شیمیایی توسط نرم افزار COMSOL...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

مهندسی مکانیک و ارتعاشات

volume 2 issue 3

pages 7- 12

publication date 2011-11-22

unfollow

{@ msg @}

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

Keywords

خطوط لوله گاز عیب یابی تست مودال آباکوس اجزاءمحدود امضای مکانیکی شبکه عصبی مصنوعی ANN

Hosted on Doprax cloud platform doprax.com