سال انتشار: ۱۳۸۷

محل انتشار: دومین کنگره مشترک سیستم های فازی و سیستم های هوشمند

تعداد صفحات: ۸

نویسنده(ها):

علی طاهری خوزانی – شرکت صنایع هواپیما سازی ایران
مهرداد بزاززاده – دانشگاه صنعتی مالک اشتر
علیرضا مستوفی –

چکیده:

در این مقاله از روش شبکههای عصبی مصنوعی برای مدلسازی یک توربوکمپرسور آلستوم-زیمنس استفاده شدهاست. پس ازتعیین پارامترهای ورودی و خروجی، ۲۰۵ دسته دادهای که در طول یکسال جمعآوری گردید برای مدلسازی استفاده شد. این دادهها بهسه دسته آموزش، تعیین اعتبار و آزمایش تقسیم شدند و ساختارهای مختلف از لحاظ تعداد لایهها و تعداد نرونها در هر لایه مخفی با روش لونبرگ مارکوارت آموزش دیده و بر اساسMSEبا هم مقایسه گردیدند و ساختار با چهار نرون در لایه مخفی اول و شش نرون در لایه دوم به عنوان ساختار مناسب انتخاب گردید. در مرحله بعد با استفاده از الگوریتم ژنتیک مقادیر وزنها و بایاسهای ساختارشبکهعصبی مصنوعی بهینه گردید. در این قسمت دادهها به سه دسته آموزشدیده، کمترآموزشدیده و آزمایش تقسیم گردیدند. برای الگوریتم ژنتیک تابع هدف بصورت ترکیبی از خطاهای پارامترهای خروجی و جریمه تعریف گردید. در نهایت پس از ۱۵۰ نسل تابع هدف از مقدار ۱۳۵۱۲۸ به ۵۲۲۵ کاهش یافت، پس از مراحل فوق مدلی بهینه از توربوکمپرسور ارائه گردید که میتواند در ارزیابی عملکرد درطول فرآیندهای مختلف و تغییرات هرکدام از پارامترهای موثر وروردی استفاده شود..