شبیه سازی دمای داخلی ساختمان مسکونی تحت شرایط تهویه مصنوعی به منظور ایجاد ساختمان هوشمند

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 756

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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCAU01_1759

تاریخ نمایه سازی: 29 تیر 1393

چکیده مقاله:

جهت ایجاد ساختمانی هوشمند از لحاظ حرارتی بایستی ابتدا مدل هوش مصنوعی ایجاد کرد که ارتباط بین دمای داخلی ساختمان با پارامترهای محیطی مختلف را شبیه سازی کند زیرا دمای داخلیساختمان نقش مهمی در کنترل بهتر سیستم های تهویه مصنوعی دارد.در این تحقیق از یک روش مدلسازی جدید با عنوان روش یادگیری فعال جهت مدلسازی دمای داخلی ساختمان تحت شرایط تهویه مصنوعیاستفاده خواهد شد. تاکنون از این روش جهت مطالعه دمای داخلی ساختمان استفاده نشده است و لذا در این تحقیق قابلیت آن جهت شبیه سازی دما در ساختمانهای مسکونی ارزیابی خواهد شد. جهتانجام مدلسازی دما، یک واحد مسکونی در آپارتمانی واقع در منطقه فکوری شهر مشهد که دارای دیوارهای عایق حرارتی میباشد به عنوان مطالعه موردی انتخاب شد. یک سری سنسورهای اندازه گیری دما درداخل اتاقهای خواب، پذیرایی و آشپزخانه این واحد مسکونی نصب و طی ماههای سرد سال 1331 و در شرایط تهویه مصنوعی اندازه گیریهای دمایی بصورت ساعتی انجام شد. همزمان با انجام اندازهگیری ها در داخل ساختمان، پارامترهای هواشناسی نیز در ایستگاه هواشناسی شهر مشهد بصورت ساعتی اندازه گیری شد. پارامترهای هواشناسی با تاخیرهای زمانی صفر تا 3 ساعت به عنوان ورودی مدلو پارامترهای دمای داخلی اتاقهای خواب، پذیرایی و آشپزخانه به عنوان خروجی های مدل در نظر گرفته شدند. نتایج مدلسازیها نشان داد که ALM به خوبی و با خطای کمتر از 5% میتواند دمای داخلیرا شبیه سازی نماید. با استفاده از مدل توسعه داده شده میتوان از روی پارامترهای هواشناسی )اتصال به سیستم اطلاعات هواشناسی(، دمای داخل ساختمان را پیش بینی نموده و با کمک یک سیستم کنترلیهوشمند بر اساس مدل توسعه داده شده، سیستمهای تهویه را کنترل نمود که این امر در مجموعه ساختمانهای یکسان مثل مسکن مهر میتواند با استفاده از یک سیستم کنترل هوشمند مرکزی انجام شود

نویسندگان

مسعود طاهری شهرآئینی

استادیار، دانشکده مهندسی عمران و معماری، دانشگاه شاهرود،

حمید طاهری شهرآئینی

استادیار، دانشکده مهندسی عمران و معماری، دانشگاه شاهرود،

ملیکا ثنائی فر

دانش آموخته کارشناسی ارشد مهندسی محیط زیست، دانشکده محیط زیست و انرژی، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی

نوید دولت آبادی فراهانی

دانش آموخته کارشناسی ارشد مهندسی عمران محیط زیست، دانشکده مهندسی عمران و محیط زیست، دانشگاه تربیت مدرس

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 :
  • نتیجه گیری این مطا لعه، ...
  • Moreno, GJR, Perea MT, Miranda RC, Guzman VMH, Ruiz GH. ...
  • Thomas B, Mohseni MS. Artificial neural network models for indoor ...
  • International Conference _ Civil Engineering Architecture & Urban Sustainable Development ...
  • Frausto HU, Pieters JG, Deltour JM. Modelling greenhouse temperature by ...
  • Linker R, Seginer I. Greenhouse temperature modeling: a comparison between ...
  • Frausto HU, Pieters JG. Modelling greenhouse temperature using system identification ...
  • Ruano AE, Crispim EM, Coincecao, EZE, Lucio MMJ. Predictions of ...
  • Lu T, Viljanen M. Prediction of indoor temperature and relative ...
  • Alashary H, Moghtaderi B, Page A, Sugo H. A neuro ...
  • Taheri Shahraiyni H, Bagheri Shouraki S, Fell F, Schaale M, ...
  • Schmidt RF. Fundamentas of Neurophys iology, Springer-Verl ag, 1985. ...
  • Zadeh LA. Fuzzy sets, Information and Control, 8: 338-353, 1965. ...
  • Mamdani EA Advances in the linguistic synthesis of fuzzy controllers, ...
  • Bagheri Shouraki S, Honda N. Recursive fizzy modeling based on ...
  • Bagheri Shouraki S, Honda N. A new method for establishing ...
  • نمایش کامل مراجع