استفاده از شبکه عصبی و الگوریتم ژنتیک در بدست آوردن ماکزیمم پاسخ سیستم نامیزان

نویسندگان

چکیده مقاله:

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.

برای دانلود باید عضویت طلایی داشته باشید

برای دانلود متن کامل این مقاله و بیش از 32 میلیون مقاله دیگر ابتدا ثبت نام کنید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

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...

متن کامل

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...

متن کامل

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...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


عنوان ژورنال

دوره 1  شماره 2

صفحات  37- 46

تاریخ انتشار 2012-06-13

با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023