مدل سازی کمپرسور 250-K با استفاده از روش سری موازی نارکس و فازی سلسله مراتبی

نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:

با توجه به افزایش روزافزون کاربرد کمپرسورها در صنعت، تعیین یک مدل ریاضی برای کمپرسور جهت طراحی سیستم کنترلی، تجزیه و تحلیل و شبیه سازی کامپیوتری آن بسیار مهم است. همچنین در سال های اخیر مدل سازی های هوشمند نظیر شبکه عصبی و فازی به علت عملکرد واقع بینانه تر این مدل ها مورد توجه محققین قرار گرفته و از انواع آن برای مدل سازی استفاده شده است. روش های هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین داده های ورودی و خروجی است. در این مقاله، مدل سازی کمپرسور 250 K- شرکت ذوب آهن اصفهان بر اساس مدل های هوشمند شبکه عصبی فازی رگرسیون خودکار غیر خطی با ورودی خارجی (نارکس) و شبکه فازی سلسله مراتبی ارایه شده است. جهت مدل سازی، سیستم مورد آزمایش قرار گرفته است و داده های ورودی و خروجی کمپرسور با استفاده از سنسورهای موجود در کمپرسور و پردازش تصویر برای تبدیل کردن داده ها به داده مورد نیاز در مدل سازی استفاده می شوند. سپس الگوریتم های نارکس و فازی سلسله مراتبی مدل کمپرسور با استفاده از نرم افزار Matlab تعیین می شود. نتایج شبیه سازی ارایه شده از مدل سازی، برازش بهتری برای نارکس نسبت به فازی سلسله مراتبی را نشان می دهد. از بین دو مدل ارایه شده در این مقاله مدل نارکس در بردار رگرسیون و خطای گوسی، پاسخ بهتری نسبت به شبکه فازی سلسله مراتبی ارایه می کند.

زبان:
فارسی
صفحات:
191 تا 198
لینک کوتاه:
magiran.com/p2266735 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!