مدلسازی و کنترل دیگهای بخار صنعتی با استفاده از شبکه های عصبی
thesis
- وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس
- author محمدمهدی رضایی
- adviser محمدتقی حمیدی بهشتی
- Number of pages: First 15 pages
- publication year 1379
abstract
در جریان این کار ابتدا به معرفی اجمالی انواع دیگهای بخار و بطور خاص دیگهای درام دار صنعتی که تکنولوژی ساخت آن در داخل کشور در دسترس است پرداخته و روشهای مرسوم کنترل دیگهای نوع اخیر را مرور نموده ایم. سپس به استخراج مدلی غیرخطی و از مرتبه پائین دینامیکی از فرآیند پرداخته و پارامترهای مدل را برای کی دیگ نمونه بدست آورده ایم. از مدل حاصله جهت شبیه سازی و آزمایش روشهای کنترل پیشنهادی سود جسته ایم. در بخش طراحی کنترل با دید کنترل تطبیقی جعبه سیاه به طرح سیستم کنترل مبادرت ورزیده و کار را از کنترل شناخته شده هم ارز قطعی آغاز نموده ایم و از آنجایی که این روش کنترل در مواجهه با فرایندهای همراه با تاخیر و زمانهای مرده - دیگ بخار چنین سیستمی است - ناکار آمد بود به اصلاح قانون کنترل براساس الگوریتم ساده حرکت در جهت عکس گرایان خطا و کنترل پیش بین یک گام به جلو پرداخته و نشان داده ایم که الگوریتم تطبیقی پیشنهادی در حل مساله تثبیت فشار بخار در حضور اغتشاشات بار در دیگ کفایت لازم را دارد. در ادامه با توجه به محدودیت های مدلسازی های خطی فرآیندهای غیرخطی ناشناخته، به اصلاح الگوریتم اخیر بر مبنای مدلسازی ورودی - خروجی عصبی پرداخته و توفیق الگوریتم حاصله را با شبیه سازی به تماشا نشسته ایم.در فاز بعدی کار با توجه به علاقه عمومی به حفظ کنترل کننده های pid سنتی در ساختارهای پیشرفته و علی الخصوص توفیق عام حاصله از استفاده از این رده از کنترلرها در حل مساله کنترل دیگ بخار در طی سالیان دراز، در ابتدا اقدام به استخراج نسخه جدیدی از تنظیم کننده خودار عصبی پارامترهای pid نموده و کفایت آن را با شبیه سازی بررسی کرده و در ادامه در جهت کاهش حجم محاسبات و در عین حال حفظ خاصیت تطبیق در pid ساختار جدیدی را که مرکب از یک کنترلر pid و یک کنترلر عصبی معکوس دینامیکی است پیشنهاد و توفیق آن در حل مساله کنترل فشار در دیگ بخار را به اثبات رساندیم.
similar resources
مدلسازی نفوذپذیری سیستم بیوراکتورغشایی با استفاده از شبکه عصبی مصنوعی
مدلسازی برای سیستم های پیچیده ای همچون بیوراکتور غشایی به دلیل امکان اجرای آزمایشهای مجازی زیاد در زمان کوتاه ابزاری قدرتمند است، اگرچه نیازمند اعتبار تجربی و تبدیل فرایند به مدل ریاضی می باشد. در این پژوهش به مدلسازی فرایند فیلتراسیون توسط شبکه های عصبی با استفاده از نرم افزار MATLAB 8.1 (2013) پرداخته شده و از داده های تجربی یک سیستم بیوراکتور غشایی غوطه ور مجهز به غشاء کوبوتا جهت تصفیه فاضلا...
full textمدلسازی تخصیص ناوگان اتوبوسرانی شهری با استفاده از شبکه های عصبی مصنوعی (مطالعه موردی: مشهد مقدس)
استفاده از سیستم اتوبوسرانی درون شهری با توجه به انعطاف پذیری بالا و ارزان بودن آن برای استفاده کننده، در شهرهای بزرگ و به ویژه در کشورهای در حال توسعه امری اجتناب ناپذیر است. از این رو بهبود این سیستم حمل و نقل بدلیل گستره فعالیت آن ضروری به نظر می رسد. یکی از رو شهای ارتقای عملکرد این سیستم، تخصیص بهینه اتوبو سها به خطوط فعال به گونه ای است که نسبت به وضعیت موجود، تعداد مسافر بیشتری حمل نموده...
full textمدلسازی تولید سفر با استفاده از روش شبکه های عصبی-فازی
دستیابی به یک نتیجه دقیق و مناسب در فرایند چهارمرحله ای آنالیز سفر به روش UTMS وابسته به برآورد دقیق و قابل قبول تعداد سفرهای تولید شده در نواحی مختلف شهر است. در بررسی مرحله ایجاد سفر با توجه به وابستگی شدید میزان سفر تولید شده در یک ناحیه به اطلاعات سهل الوصولی نظیر جمعیت ، برآورد تولید سفر معمولاً با دقت خوبی انجام میگیرد. از اینروست که در صورتیکه مقادیر برآورد شده دیگر نظیر مقادیر جذب سفر با...
full textبه کارگیری روش های آماری برای افزایش دقت مدلسازی تصفیه خانه های فاضلاب صنعتی با استفاده از شبکه های عصبی مصنوعی
به منظور کنترل بهتر و کارآمد عملکرد تصفیه خانه های فاضلاب صنعتی، می توان از ابزاری ریاضی برمبنای اطلاعات ثبت شدة برخی از پارامترهای اساسی پساب، طی دوره ای از بهره برداری تصفیه خانه استفاده کرد. در این پژوهش، برای اولین بار در کشور از شبکة عصبی چندلایة پیش خور با یک لایة پنهان و روش توقف آموزش، به منظور بررسی مشخصات پساب خروجی واحدهای تصفیه خانه استفاده شده است. همچنین، از روش تحلیل عاملی برای ا...
full textمدلسازی 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 textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023