مدل سازی و بهینه سازی سیکلون های جداسازی گاز-جامد با استفاده از سه نوع شبکه عصبی مصنوعی، ژنتیک الگوریتم و روش عددی برای دست یابی به افت فشار کمینه

thesis
abstract

در این پژوهش سه نوع شبکه عصبی مصنوعی به نام¬های انتشار بازگشتی، تابع پایه شعاعی و رگرسیون عمومی برای مدل¬سازی سیکلون¬¬های جداسازی به کار گرفته شده است. ورودی این شبکه¬ها هفت پارامتر هندسی سیکلون و خروجی آن¬ها افت فشار می باشد. پارامتر عملکردی هر کدام از شبکه¬ها به منظور دست یابی به حداقل خطای مربع میانگین، به روش جستجوی چند مرحله ای، بهینه¬سازی شده و سه نوع شبکه بهینه بدست آمد. این پارامترهای عملکردی، ضریب پخش و تعداد نرون های لایه مخفی می باشند. در ادامه شبکه تابع پایه شعاعی با کم ترین خطا، بیشترین ضریب همبستگی و بیشترین سرعت همگرایی، به عنوان شبکه بهینه انتخاب شده است. سپس به منظور اعتبار سنجی شبکه بهینه انتخاب شده، نتایج حاصل از پیش بینی افت فشار توسط شبکه عصبی انتخاب شده، با سه رابطه تجربی و همچنین با نتایج آزمایشگاهی، برای 28 سیکلون مختلف، باهم مقایسه شده اند. با استفاده از شبکه ی عصبی انتخاب شده، و به کمک روش الگوریتم ژنتیک، ابعاد هندسی سیکلون بهینه به منظور دست¬یابی به حداقل افت فشار، معرفی شده است. با شبیه¬سازی به روش عددی، مشخصه¬های اصلی عملکردی سیکلون بهینه پیشنهادی و سیکلون استاندارد استیرمند، از جمله افت فشار، سرعت مماسی و سرعت محوری آن¬ها، با هم مقایسه شده است. سیکلون بهینه پیشنهادی با حد برش برابر با 120% حد برش سیکلون استاندارد استیرمند، افت فشاری برابر با 80% افت فشار سیکلون استیرمند را دارد، که این کاهش افت فشار، هدف اصلی این پژوهش را تأمین می-کند. میزان تغییر ابعاد هندسی سیکلون پیشنهادی نسبت به سیکلون استیرمند، همچنین تأثیر این تغییرات بر روی افت فشار، تحلیل شده و ابعاد دهانه ورودی و قطر خروجی، به عنوان موثرترین پارامترها معرفی شدند.

similar resources

بررسی سه نوع شبکه عصبی مصنوعی برای مدل سازی افت فشار در سیکلون های جداسازی گاز-جامد و بهینه سازی سیکلون با الگوریتم ژنتیک

در این مقاله به منظور بررسی ارتباط بین افت فشار سیکلون جداسازی و پارامترهای هندسی سیکلون غبارگیری، سه نوع شبکه عصبی مصنوعی انتشار بازگشتی[1]، شبکه عصبی تابع پایه شعاعی[2] و شبکه عصبی رگرسیون تعمیم یافته[3] به کارگرفته شده­اند. پس از آموزش آن­ها با داده­های تجربی، پارامترهای بهینه عملکردی هر کدام شبکه ها، با روش جستجوی چند مرحله ای[4] به دست آمده اند. شبکه­ها بر اساس میزان ضریب همبستگی[5]، خطای ...

full text

بررسی سه نوع شبکه عصبی مصنوعی برای مدل‌سازی افت فشار در سیکلون‌های جداسازی گاز-جامد و بهینه سازی سیکلون با الگوریتم ژنتیک

در این مقاله به منظور بررسی ارتباط بین افت فشار سیکلون جداسازی و پارامترهای هندسی سیکلون غبارگیری، سه نوع شبکه عصبی مصنوعی انتشار بازگشتی[1]، شبکه عصبی تابع پایه شعاعی[2] و شبکه عصبی رگرسیون تعمیم یافته[3] به کارگرفته شده­اند. پس از آموزش آن­ها با داده­های تجربی، پارامترهای بهینه عملکردی هر کدام شبکه‌ها، با روش جستجوی چند مرحله‌ای[4] به دست آمده‌اند. شبکه­ها بر اساس میزان ضریب همبستگی[5]، خطای ...

full text

مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی

ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...

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 پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک

دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...

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 فردوسی مشهد - دانشکده مهندسی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023