ارتقا کارایی و عملکرد سیستم های تهویه با استفاده ازکاربرد ترکیبی الگوریتم ژنتیک و شبکه های عصبی

یکی از منابع مهم آلایندگی محیط زیست احتراق ،انفجار و آتش سوزی مواد قابل اشتعال در صنایع ، کارخانجات و انبارها میباشد. لذا کنترل وحفاظت از محیطهای مذکور به میزان موثری از آلایندگی محیط زیست میکاهد. اهمیت این موضوع از این جهت برجستهتر میشود که گازهای حاصل ار احتراق در کارخانجات و تولیدات فرایندی پتانسیل بالایی برای ایجاد مسمومیت و آسیبهای شیمیایی شدید را دارند. شناسایی شرایط خطرناک از دیدگاه افزایش احتمال احتراق ذرات معلق و در نظر گرفتن راهکارهایی برای کنترل شرایط بحرانی با پتانسیل بالای احتراق و آتش- سوزی گامی مهم در راستای و انفجار کنترل و پیشگیری از احتراق است. میتوان با شناخت شرایط پر خطر تمهیداتی اندیشید تا از بروز حادثه جلوگیری گردد. به عنوان مثال پارامتری مثل غلظت ذرات معلق بر اشتعال و شروع احتراق ذرات موثر است. با مشخص بودن غلظت بحرانی برای شروع اشتعال ذرات، می توان با استفاده از تهویه هوا و کاهش غلطت از بوجود آمدن این شرایط جلوگیری کرد. لذا استفاده از مدلهای شناسایی رفتار پرخطر و شرایط بحرانی هوای نگهداری محصولات و مواد انبار شده کمکی قابل توجه به افزایش کارامدی تکنولوژی تهویه است. در این مقاله با استفاده ترکیبی از شبکه عصبی و الگوریتم ژنتیک به عنوان ابزارهای پر قدرت مدلسازی رفتار ابر ذرات مواد ارگانیک (آرد گندم) در شرایط بحرانی مدلسازی میشود. نتایج این تحقیق خطرناکترین شرایط نگهداری در معرفی می کند تا با استفاده از روشهای کنترلی مانند فرایند تهویه، تزریق گاز خنثی ، کاهش دما، فیلترینگ و ... از بروز آن جلوگیری نماییم

کلیدواژه ها:

پیشگیری از آلایندگی ، سیستمهای هوشمند ، احتراق و انفجار ذرات ، شبکه های عصبی ، الگوریتم ژنتیک