بکارگیری الگوریتم ژنتیک و شبکه های عصبی در بهینه سازی و طراحی ژنراتورهای سنکرون

thesis
abstract

بهینه سازی طراحی ماشین های سنکرون قطب برجسته (هیدروژنراتورها) با الگوریتم ژنتیک استاندارد، الگوریتم ژنتیک یافته (که با تغییر در روش انتخاب استاندارد بدست آمده است ) و استراتژی تکاملی، در این پژوهش بررسی شده است . تابع هدف هزینه مواد است و مواردی مانند بازدهی و تنش مکانیکی یوغ رتور به همراه برخی از دیگر پارامترهای ماشین به عنوان محدودیت در نظر گرفته شده اند. متغیرهای بهینه سازی 12 عدد هستند و مسئله بهینه سازی از گونه آمیخته با عدد صحیح (mixed integer) است . محدودیتها با روش تابع جریمه خارجی در نظر گرفته می شوند توان فنهای خنک سازی دو سوی ماشین برای خیز درجه حرارت بیشینه استاندارد با برنامه مدلسازی حرارتی برآورد می شوند. برای مدلسازی حرارتی نخست سرعت و دبی هوا در نقاط گوناگون ماشین بدست می آید و پس از برآورد ضرایب انتقال حرارت بر پایه این مقادیر، مدلسازی حرارتی ماشین در سه بعد صورت می گیرد. شبکه های عصبی پرسپترون چند لایه و شبکه radial basis function برای تخمین تابع بین ورودی های اصلی برنامه مدلسازی حرارتی و خروجی آن (توان فنهای) بکار رفته اند تا از اجرای برنامه مدلسازی حرارتی در بهینه سازی جلوگیری شود و سرعت اجرای برنامه افزایش یابد. همچنین دو شبکه از دید توانایی تخمین فراگیر مقایسه و بررسی شده اند.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

بررسی تخلیه جزیی شینه‌های استاتور ژنراتورهای سنکرون توسط شبکه عصبی

این مقاله به بررسی و تحلیل تخلیه جزیی بر روی شینه‌های استاتور ژنراتور سنکرون می‌پردازد. لازم است در ابتدا، با استفاده از تجهیزات مربوطه، اندازه‌گیری سیگنالهای خاص این نوع تخلیه در دفعات و زمان‌های مختلف انجام گیرد و سپس با توجه به قواعد و استانداردهای موجود به تفسیر آنها پرداخته شود. به منظور تفسیر بهتر نتایج، یک شبکه عصبی مورد آموزش، آزمون و صحت سنجی قرار گرفته است. شبکه عصبی مورد استفاده، شبک...

full text

بررسی تخلیه جزیی شینه‌های استاتور ژنراتورهای سنکرون توسط شبکه عصبی

این مقاله به بررسی و تحلیل تخلیه جزیی بر روی شینه‌های استاتور ژنراتور سنکرون می‌پردازد. لازم است در ابتدا، با استفاده از تجهیزات مربوطه، اندازه‌گیری سیگنالهای خاص این نوع تخلیه در دفعات و زمان‌های مختلف انجام گیرد و سپس با توجه به قواعد و استانداردهای موجود به تفسیر آنها پرداخته شود. به منظور تفسیر بهتر نتایج، یک شبکه عصبی مورد آموزش، آزمون و صحت سنجی قرار گرفته است. شبکه عصبی مورد استفاده، شبک...

full text

بهینه سازی شبکه عصبی MLP با استفاده از الگوریتم ژنتیک موازی FinGrain برای تشخیص سرطان سینه

امروزه استفاده از سیستم‌های هوشمند در تشخیص پزشکی به تدریج در حال افزایش است. این سیستم‌ها می‌توانند به کاهش خطایی که ممکن است توسط کارشناسان کم‌تجربه اتفاق بیافتد، کمک کند. بدین منظور استفاده از سیستم‌های هوشمند مصنوعی در پیش‌بینی و تشخیص سرطان سینه که یکی از رایج‌ترین سرطان‌ها در بین زنان است، مورد توجه می‌باشد. در این تحقیق فرآیند تشخیص بیماری سرطان سینه با یک رویکرد دو مرحله‌ای انجام...

full text

مدل سازی و بهینه سازی واحد تولید هیدروژن با شبکه ی عصبی مصنوعی و الگوریتم ژنتیک

هدف اصلی این پژوهش، مدل سازی واحد صنعتی تولید هیدروژن براساس تبدیل متان با بخار آب با کاربرد شبکه ی عصبی مصنوعی است. عامل های دبی فراورده و انرژی مصرفی به عنوان عامل های خروجی مدل در نظر گرفته شد و دو شبکه ی عصبی مجزا برای پیش بینی این دو عامل مدنظر قرارگرفت. نتیجه های مدل سازی با دقت بسیار خوب، خطای متوسط مطلق، خطای متوسط نسبی و خطای احتمالی بین داده های واقعی کارخانه و مدل را به ترتیب برابر ب...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تهران

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023