بررسی عملکرد بهینه موتور استرلینگ خورشیدی نوع تاخیر حرارتی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 458

فایل این مقاله در 12 صفحه با فرمت PDF و WORD قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

AGROCONGRESS03_380

تاریخ نمایه سازی: 8 اردیبهشت 1396

چکیده مقاله:

در مقاله حاضر از شبکه عصبی و الگوریم ژنتیک به عنوان روشی کارآمد، سریع و دقیق برای به دست آوردن ماکزیمم توان خروجی موتور استفاده شده است. ابتدا به پیش بینی عملکرد موتور استرلینگ خورشیدی با استفاده از روش شبکه های عصبی پرداخته شده که برای تعلیم شبکه عصبی از داده های تحلیلی مراجع گذشته اندازه گیری شده این موتور استفاده شده است. پارامترهای ورودی شبکه شامل سرعت زاویه ای، دما، مقاومت حرارتی، طول کورس، قطر پیستون، حجم محفظه بافر حرارتی، حجم محفظه گاز و پارامتر خروجی شبکه شامل توان خروجی حداکثر می باشند. سپس به کمک الگوریتم ژنتیک مقدار بهینه خروجی موتور یعنی توان موتور را به دست می آوریم. با استفاده از این روش بدون نیاز به حل معادلات پیچیده غیرخطی حاکم بر سیستم و در زمان خیلی کوتاهی می توان عملکرد سیستم را در شرایط مختلف مورد ارزیابی قرارداد.نوآوری این مقاله استفاده از روشی سریع و کارآمد یعنی الگوریتم ژنتیک برای به دست آوردن بهینه ی عملکرد موتور استرلینگ خورشیدی تاخیر حرارتی می باشد.

کلیدواژه ها:

موتور استرلینگ خورشیدی تاخیر حرارتی ، شبکه عصبی ، الگوریتم ژنتیک ، بهینه توان خروجی

نویسندگان

مجتبی البرزی

دانشجوی کارشناسی ارشد مهندسی مکانیک دانشگاه سیستان وبلوچستان

فرامرز سرحدی

استادیار گروه مهندسی مکانیک دانشگاه سیستان وبلوچستان

فاطمه صبح نمایان

دانشجوی دکتری مهندسی مکانیک، دانشگاه سیستان و بلوچستان

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • _ 1387." شبکه‌های عصبی در ."MATLAB خدمات کیان رایانه سبز، ...
  • http :/solargis. info/doc/free S _ lar- radiation-map s-GHI#I ...
  • Pap adopoulou, E., 2011. :Photovoltaie Indlustrial Svstems. An Fnvironmentl Annroach". ...
  • Cheng, C.H., Yang, H.S., Theoretical modlel for oredicting thermoilvnamic hehavior ...
  • Altamirano, C.F-A., Moldenhauer, S., Bayon, J.G., Verhelst, S., De Paepe, ...
  • Xie, H., Liu, L., Ma, F., Fan, H., 2009. "Performance ...
  • neural networks in renewable energv svstems annlications: a Artificialء، 7. ...
  • Goldberg DE (1989) Genetic algorithms in search, optimization, and machine ...
  • Gallinari P, Thiria S, Badran F, Fogelman-So ulie F (1991) ...
  • نمایش کامل مراجع