پیش بینی و بهینه سازی فرآیند تولید خشکریسی الیاف اکریلیک با استفاده از شبکه عصبی و الگوریتم ژنتیک
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی اصفهان
- نویسنده مرتضی ودود
- استاد راهنما داریوش سمنانی محمد مرشد
- سال انتشار 1388
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 کاملبهینه 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 کاملسیستم 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 کاملمدل 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 کاملمدلکردن 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 کاملمنابع 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
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023