پیش بینی منحنی عملکرد توربو کمپرسورهای گریز از مرکز با استفاده از روش شبکه های عصبی

سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,488

فایل این مقاله در 7 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DCEAEM01_111

تاریخ نمایه سازی: 18 دی 1393

چکیده مقاله:

انتقال مقادیربالای گازطبیعی درفواصل طولانی بوسیله شبکه خطوط لوله انجام میپذیرد ایستگاه های تقویت فشارگاز درفواصل منظم برروی خطوط لوله نصب میگردد تابرافت فشارگازغلبه نمایند این افزایش فشارتوسط توربوکمپرسورها انجام میگیرد لذا بررسی و پیش بینی نحوه عملکرد توربوکمپرسور به منظور بهره برداری صحیح ازاین تجهیزات با ارزش بسیارضروری است دراین تحقیق با استفاده ازروش شبکه های عصبی سیستمی برای پیش بینی منحنی عملکردکمپرسورگریز ازمرکزطراحی شده است شبکه عصبی سه لایه تولید شده دراین کارازطریق الگوریتم انتشاربه عقب Back-propagation(BP) و با استفاده ازداده هایی که توسط کارخانه سازنده کمپرسور ارایه شده اموزش می بیند پس ازآموزش شبکه ازطریق این سیستم مقدارفلو کمپرسور به ازای مقادیر مختلف سرعت و فشارکمپرسور قابل پیش بینی می باشد نتایج بدست آمده ازاین تحقیق بطور عملی برروی توربوکمپرسور های مدل نفسکی خط اول سراسری انتقال گاز ایران اجرا گردیده است

نویسندگان

منیر ترابیان

کارشناس ارشد برق و الکترونیک

علیرضا کریمیان

عضو هیات علمی دانشگاه اصفهان دانشکده فنی و مهندسی

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 :
  • The Mathwork , dه [3] Howard.D, Mark.B, 2001, Neural network ...
  • Youhong.Y, Lingen.C, Fengrui.S, Chih.W, 2007, Neural network based analysis and ...
  • _ 2001, Neural _ _ _ Inc. ...
  • Zhou.H, Cen.K, Fan.J, 2004, Modeling and optimization of NO, emission ...
  • Lopez.G, Battles.FJ, Tovar-Pesc ador.J, 2005, Selection of input parametersto model ...
  • Sozen.A, Arcaklioglu.E, Ozalp.M, Kanit.EG, 2004, Use of an artificial neural ...
  • Kalogirou.SA, 2004, Optimization of solar-systems using artificial neural networks and ...
  • Joly.RB, Ogaji.OT, Singh.R, Probert.SD, 2004, Gas-turbine diagnostics using an artificial ...
  • Golcu.M, Sekmen.Y, Erduranli.P, Salman.MS, 2005, Artificial neural network based modelling ...
  • B en-Nakhi.AE, M ahmoud.MA, 2004, Cooling-load prediction for buildings using ...
  • Islamoglu.Y, Kurt.A, Parmaks izoglu.C, 2005, Performance prediction for non-adiabatio capillary-tube ...
  • Ghorbanian.K, Ghol amrezaei.M, 2006, Neural network modeling of axial flow ...
  • Azzam.M, Haag.J, Jeschke.P, 2009, Application concept of artificial neural networks ...
  • Camporeale .SM, Fortunato.B, Dumas.A, 1998, Dynamic modeling and control of ...
  • Youhong.Y, Lingen.C, Fengrui.S, Chih.W, 2005, Matlab/S imulink-based simulation for digital ...
  • Ghorbanian.K, Gholamrezae .M, 2009, An artificial neural network approach to ...
  • Lazzaretto.A, Toffolo.A, 2001, Analytical and neural network models for gas-turbine ...
  • cohen., Rogers.G, S _ _ _ turbine theory, 4" ed, ...
  • Karimian.A, Torabian.M, Yazdchi.S, 2008, Optimization of industrial radiography technique for ...
  • نمایش کامل مراجع