پیش بینی و بهینه سازی فرآیند تولید خشک‏ریسی الیاف اکریلیک با استفاده از شبکه عصبی و الگوریتم ژنتیک

پایان نامه
چکیده

الیاف اکریلیک بخش عمده‏ای از الیاف مصنوعی را تشکیل می‏دهند. این الیاف خصوصیات ویژه و منحصر به فردی دارند، لذا توجه بسیاری از پژوهشگران به آنها جلب گردیده است. بهینه‏سازی و کنترل فرآیند تولید الیاف، تأثیر مستقیم بر روی هزینه، انرژی و زمان تولید دارد. تولید بیشتر با هزینه کمتر و با کیفیت بالا مسئله‏ای است کارخانجات تولید الیاف با آن روبه‎رو هستند. طبیعت فرآیند معمولا بسیار پیچیده است و شامل پارامترهای زیادی است که هر کدام از آنها نیز تأثیر مستقیم بر روی عملکرد سیستم دارد. در طی چند سال گذشته برخی از محققین از تابع‎های چند متغییره برای بهینه‏سازی فرآیندهایی از قبیل پلیمرزاسیون برای کنترل مستقیم بر روی خط تولید استفاده کرده‎اند. اما برای کار با این تابع‏ها نیاز به شخصی با تجربه و مسلط به فرآیند است چرا که در بعضی موارد نسبت به متغییرهای اعمال شده در تابع باید شخص کاربر مستقیما تصمیم گیری کند. اما به تازگی از روش‎های کامپیوتری مانند الگوریتم ژنتیک و شبکه عصبی برای بهینه‏سازی و پیش‏بینی رفتار فرآیندهای شیمیایی استفاده می‎شود و نتایج به دست آمده نیز تا حد بسیار زیادی قابل توجه بوده است. تا کنون تحقیق جامعی بر روی بهینه‏سازی تولید الیاف اکریلیک به روش خشک‏ریسی با استفاده از الگوریتم‏های کامپیوتری انجام نشده است. لذا در این تحقیق سعی شده است با استفاده از روش‎های ذکر شده این امر تحقق یابد. برای پیش‏بینی رفتار فرآیند خشک‏ریسی پارامترهای زیادی از قبیل دمای رشته‏ساز در قالب و اطراف آن، گرانروی محلول، درصد آب، مقدار اسید فرمیک و زمان ماند محلول در راکتور اندازه‏گیری شدند. با در نظر گرفتن شاخص رنگ الیاف تولیدی به عنوان شاخص کیفی محصول و با استفاده از روش‎های آماری پارامترهای اثرگذار بر فرآیند از بین پارامترهای اندازه‏گیری شده انتخاب شدند. در ادامه یک شبکه عصبی طراحی شده تا با استفاده از آن بتوان شاخص کیفی محصول را تخمین زد و از تولید محصول نامطلوب جلوگیری کرد. سپس برای بهینه‏سازی پارامترهای شبکه عصبی از الگوریتم ژنتیک استفاده شده و برای بهینه‏سازی الگوریتم ژنتیک نیز از روش سعی و خطا استفاده شده است. در نهایت شبکه‎ای با دقت بالا برای پیش‏بینی فرآیند خشک‏ریسی الیاف اکریلیک طراحی گردید.

منابع مشابه

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...

متن کامل

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...

متن کامل

سیستم خبره پیش بینی قیمت سهام و بهینه سازی سبد سهام با استفاده از شبکه‌های عصبی فازی، مدل سازی فازی و الگوریتم ژنتیک

افزایش میزان سود و کاهش ریسک سرمایه¬گذاری دربورس همیشه مهمترین دغدغه سرمایه¬گذاران بوده است و آنها همواره به دنبال راهی هستند که بهترین پیشنهاد را برای خرید سهام داشته باشند به گونه¬ای که دارای بیشترین بازده و کمترین ریسک سرمایه¬گذاری باشد.تحقیقات زیادی در این رابطه انجام شده است و مدل ریاضی میانگین واریانس مارکویتز به عنوان یکی از اصلی¬ترین کارهای این حوزه شناخته می¬شود. علیرغم اهمیت این مدل چ...

متن کامل

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...

متن کامل

مدل‌کردن و بهینه سازی سنتز آنزیمی کافئیک اسید فن اتیل استر با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک

در این تحقیق، واکنش کافئیک اسید و 2- فنیل اتانول در حضور لیپاز تثبیت شده از مخمر آنتارکتیکا (نووزیم 435) به منظور تولید کافئیک اسید فن اتیل استر در سیستم ایزواکتان با استفاده از روش‌های شبکه عصبی مصنوعی و ژنتیک الگوریتم مدل سازی و بهینه گردید. بدین منظور ازیک طرح مرکب مرکزی چرخش پذیر با 4 متغیر و 5 سطح جهت مدل کردن واکنش آنزیمی به کمک شبکه عصبی مصنوعی استفاده شد. متغیرهای مستقل شامل دما، زمان، ...

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 @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023