به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

multiobjective optimization

در نشریات گروه مکانیک
تکرار جستجوی کلیدواژه multiobjective optimization در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه multiobjective optimization در مقالات مجلات علمی
  • Ehsan Gholamian *, Shayan Rabet, Seyed Mohammad Seyed Mahmoudi
    Today, rising concerns about energy shortages and environmental degradation have encouraged innovation in renewable energy sources and cutting-edge technology for capturing their full potential. The adoption of sustainable practices has resulted in the emergence of innovative cogeneration systems that incorporate municipal solid waste as a fuel source. By integrating advanced technologies—including digesters, organic Rankine cycles, multiple effect distillation, methanation, and proton exchange membranes—this system uniquely converts hydrogen and CO2 into methane, enhancing fresh water production through heat recovery in the digestion process. We explore three multiobjective optimization scenarios employing machine learning and Greywolf algorithms to enhance system efficiency. The system has a significant CO2 emission index of 0.1649kg/kWh and total cost products of 12.91$/GJ, with a second-law thermodynamics efficiency of 32.07%. In the second scenario, strategic optimization is centered around the objective of increasing efficiency and net output power, while simultaneously reducing costs. This approach yields significant enhancements, including an exergy efficiency of 39.13% and a net output power of 30366.92 KW. Additionally, the product costs are lowered to 7.2571 $/GJ. These results highlight the system's cost-effectiveness and alignment with sustainability principles, offering meaningful contributions to renewable energy technologies and environmental conservation.
    Keywords: MED (Multiple Effect Distillation), CO2 Capturing, PEME (Proton Exchange Membrane Electrolyzer), Digester, Methanation, Cogeneration, Multiobjective Optimization, Biogas
  • حجت طائی، صبا نیک سرشت، علیرضا بابایی

    در این مقاله هدف اصلی، به کارگیری رویکرد تخصیص کنترل، در نشست هواپیمای F/A-18 می باشد. برای این کار، از مدل غیرخطی سه درجه آزادی پرنده و برای طراحی سیستم کنترل پرواز طولی، از رویکرد تخصیص کنترل هوشمند مبتنی بر منطق فازی استفاده می شود. عملگر هایی که در فرآیند نشست هواپیما مشارکت دارند، زاویه بالابر و زاویه کنترل بردار رانش موتور هواپیما می باشند. با تخصیص سیگنال های کنترلی بین دو عملگر مزبور، هواپیما فرآیند کاهش ارتفاع را آغاز و درنهایت به سطح زمین می رسد. برای بهبود کارایی کنترل کننده فازی، کاهش تلاش کنترلی و بالا بردن میزان دقت و کیفیت فرود هواپیما، از الگوریتم بهینه سازی ژنتیک مبتنی بر روش NSGA-II استفاده می شود و پارامترهای کنترل کننده فازی اصلاح می گردند. نتایج به دست آمده از شبیه سازی، نشان می دهد که رویکرد تخصیص کنترل پیشنهادی، از توانایی بالایی برای کنترل و پایداری هواپیما در فرآیند فرود برخوردار است. هم چنین متغیرهای خروجی ، به مقدار مطلوبی همگرا می گردند و هواپیما با دقت مناسب و تلاش کنترلی کم، فرآیند نشست را به انجام می رساند.

    کلید واژگان: فرود خودکار هواپیما، تخصیص کنترل، منطق فازی، بهینه سازی چندهدفه، الگوریتم ژنتیک
    Hojat Taei, Saba Nikseresht, Alireza Babaei

    The main objective of this article is to apply the control allocation approach for the landing phase of the F/A-18 aircraft. For this purpose, the non-linear three-degree-of-freedom model of the aircraft is used, and the intelligent control allocation approach, based on fuzzy logic, is utilized to design the longitudinal flight control system. The actuators involved in the aircraft landing process are the elevator angle and the thrust vector control angle of the aircraft engine. By allocating control signals between the two mentioned actuators, the plane starts the process of lowering the height and finally reaches the ground level. To improve the efficiency of the fuzzy controller, reduce the control effort and increase the accuracy and quality of the landing, the genetic algorithm based on the NSGA-II method is used and the variables of the fuzzy controller are modified. The results obtained from the simulation show that the proposed control allocation approach has a high ability to control and stabilize the aircraft in the landing process. Also, the output variables converge to a desired value and the aircraft completes the landing process with proper accuracy and low control effort.

    Keywords: Automatic Landing of Aircraft, Control Allocation, Fuzzy Logic, Multiobjective Optimization, Genetic Algorithm
  • مسلم محمدی سلیمانی*، سمیه میرزاده

    با توجه به اهمیت آسیاهای گردان در صنایع و کارخانه های فرآوری و عدم وجود یک مدل قابل قبول برای شناسایی و پیش بینی عملکرد آنها، بهینه سازی این سیستم های پیچیده، غیرخطی و بزرگ ضروری است. در این مقاله بهینه سازی چند هدفه آسیای گردان بررسی شده است. به منظور بررسی پارامترهای عملیاتی آسیا مانند سرعت، شارژ گلوله، غلظت و حجم دوغاب بر فرآیند خردایش، سایش لاینرها و توان کشی می توان به شبیه سازی، مدل سازی و ساخت یک مدل آزمایشگاهی با ابعاد کوچک تر از آسیای واقعی پرداخت. برای این منظور از آسیای آزمایشگاهی به قطر یک و طول 5/0متر استفاده شد. خوراک ورودی آسیا، دوغابی از سنگ معدن مس با ابعاد کمتر از یک اینچ است. آزمایش ها در سرعت های بین 65 تا 85% سرعت بحرانی، برای شارژهای گلوله 10 تا 30% حجم آسیا، دوغاب هایی با 40 تا 80% جامد و حجم پرشدگی دوغاب بین 0/5 تا 2/5 برابر حجم مفید گلوله ها، انجام گرفته است. در این مقاله داده های حاصل از آزمایش ها برای ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه های عصبی به کار گرفته شده است تا به عنوان تابع هزینه در الگوریتم تکاملی چند هدفه استفاده شود. نتایج نهایی به صورت نقاط غیرمغلوب پارتو استخراج شده و به کمک دیاگرام های سطح، محدوده بهترین مقدار به دست آمد. به صورت کلی در سرعتی بین 70 تا 80% سرعت بحرانی، شارژ گلوله ای بین 15 تا 20% حجم آسیا، دوغابی با غلظت 60 تا 70% جامد و حجم دوغاب بین یک تا 1/5 برابر حجم مفید گلوله، خردایش بهینه در آسیا اتفاق می افتد.

    کلید واژگان: آسیای گردان، بهینه سازی چند هدفه، الگوریتم ژنتیک، شبکه عصبی- فازی، منطق فازی
    M. Mohammadi Soleymani*, S. Mirzadeh

    Due to the importance of tumbling mills in processing industries and factories and the lack of an acceptable model for identifying and predicting their performance, it is necessary to optimize these complexes, non-linear, and large systems. This paper aimed to study multi-objective optimization of operating parameters in a tumbling mill. To evaluate the effects of the mill working parameters such as mill speed, ball filling, slurry concentration, and slurry filling on grinding process, power draw, wear of lifters and size distribution of the mill product, it was tried to manufacture a pilot model with a smaller size than the actual mill. For this aim, a mill with 1×0.5m was implemented. The feed of the mill is copper ore with a size smaller than 1 inch. The experiments were done at 65 to 85% of the critical speed. In addition, the combination of the balls was used as grinding media with 10 to 30% of the total volume of the mill. Slurry concentration is 40 to 80% (the weight fraction of solid in slurry) and the slurry filling is between 0.5 and 2.5. In this paper, Adaptive Neuro-Fuzzy Inference System (ANFIS) based multi-objective optimization (NSGA-II) of tumbling mill is done. Level diagrams are used to select the best solution from the Pareto front. The results showed that the best grinding occurs at 70-80% of the critical speed and ball filling of 15-20%. Optimized grinding was observed when the slurry volume is 1-1.5 times of the ball bed voidage volume and the slurry concentration is between 60 and 70%.

    Keywords: Tumbling Mill, Multiobjective Optimization, Genetic Algorithm, Neuro-Fuzzy Network, Fuzzy Logic
  • Halimeh Rashidi *, Jamshid Khorshidi
    Biomass gasification is the process of converting biomass into a combustible gas suitable for use in boilers, engines, and turbines to produce combined cooling, heat, and power. This paper presents a detailed model of a biomass gasification system and designs a multigeneration energy system that uses the biomass gasification process for generating combined cooling, heat, and electricity. Energy and exergy analyses are first applied to evaluate the performance of the designed system. Next, the minimizing total cost rate and the maximizing exergy efficiency of the system are considered as two objective functions and a multiobjective optimization approach based on the differential evolution algorithm and the local unimodal sampling technique is developed to calculate the optimal values of the multigeneration system parameters. A parametric study is then carried out and the Pareto front curve is used to determine the trend of objective functions and assess the performance of the system. Furthermore, sensitivity analysis is employed to evaluate the effects of the design parameters on the objective functions. Simulation results are compared with two other multiobjective optimization algorithms and the effectiveness of the proposed method is verified by using various key performance indicators.
    Keywords: Multiobjective Optimization, Exergy Analysis, Pareto Front, Biomass Gasification, Differential Evolution Algorithm, Local Unimodal Sampling
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال