CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

مدل سازی توربین گاریv 94.2 با استفاده از هوش مصنوعی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۱۷ | تعداد نمایش خلاصه: ۸۱ | نظرات: ۰
سال انتشار: ۱۳۹۴
کد COI مقاله: ICOAC01_179
زبان مقاله: فارسی
حجم فایل: ۸۷۳.۲۱ کیلوبایت (فایل این مقاله در ۱۷ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۱۷ صفحه در فرمت PDF قابل خریداری است. شما می توانید از طریق بخش روبرو فایل PDF این مقاله را با پرداخت اینترنتی ۳,۰۰۰ تومان بلافاصله دریافت فرمایید
قبل از اقدام به دریافت یا خرید مقاله، حتما به فرمت مقاله و تعداد صفحات مقاله دقت کامل را مبذول فرمایید.
علاوه بر خرید تک مقاله، می توانید با عضویت در سیویلیکا مقالات را به صورت اعتباری دریافت و ۲۰ تا ۳۰ درصد کمتر برای دریافت مقالات بپردازید. اعضای سیویلیکا می توانند صفحات تخصصی شخصی روی این مجموعه ایجاد نمایند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۷ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله مدل سازی توربین گاریv 94.2 با استفاده از هوش مصنوعی

سیدمحمد هاشمی راد - کارشناس ابزاردقیق شرکت خطوط لوله و مخابرات نفت فارس

چکیده مقاله:

درطول دهههای اخیر، هوش مصنوعی به عنوان یک وسیله قدرتمند برای مدل سازیهای صنعتی پیچیده با دینامیک های غیر خطی مثل توربین های گازGTs بکار گفته شده است. در این مطالعه، روشی بر اساس شبکه عصبی مصنوعی ANN برای تشخیص سیستم آفلاین )برون خط( توربین گاز کم توان توسعه داده می شود. اطلاعات پردازش شده از مدل سیمولینک توربین گازی در محیط MATLAB به دست می آید. یک کد برنامه ریزی کامپیوتری در محیط MATLAB برای به وجود آوردن و آموزش مدل های مختلف ANN با ساختار پرسپترون چند لایه تولید میشود. کد شامل تابع آموزش، تعداد مختلف نرونها و توبع انتقال مختلف برای لایه های مخفی و خروجی شبکه است. نشان داده می شود که مدل بهینه برای شبکه دو لایه با ساختار MLP شامل 22 نرون در لایه مخفی و استفاده ازtrainlm به عنوان تابع یادگیری آن وtansig وlogsid به عنوان توابع انتقال آن برای لایه های مخفی خروجی است. همچنین مشاهده می شود که trainlm اجرای بهتری در ترمهای مینیمم MSE در مقایسه با هر کدام از توابع آموزش دارد. مدل پیشنهادی می تواند عملکرد سیستم را با دقت بالا پیش بینی کند . این روش یک دید جامع از اجرای بیش از 12722 مدلANNبرای شناخت سیستم 94.2GT v فراهم می کند

کلیدواژه‌ها:

مدل کردن ، شبیه سازی ، بهینهسازی ، شبکه عصبی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-ICOAC01-ICOAC01_179.html
کد COI مقاله: ICOAC01_179

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
هاشمی راد, سیدمحمد، ۱۳۹۴، مدل سازی توربین گاریv 94.2 با استفاده از هوش مصنوعی، ششمین کنفرانس بین المللی اقتصاد، مدیریت و علوم مهندسی، بلژیک، مرکز بین المللی ارتباطات دانشگاهی، https://www.civilica.com/Paper-ICOAC01-ICOAC01_179.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (هاشمی راد, سیدمحمد، ۱۳۹۴)
برای بار دوم به بعد: (هاشمی راد، ۱۳۹۴)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • H. Asgari, X.Q. Chen, M.B. Menhaj, and R. Sainudiin, ":ANN-based ...
  • A. Lazzaretto, and A. Toffolo, "Analytical and neural network models ...
  • F. Jurado, "Nolinear modelling of micro-turbines using NARX structures on ...
  • C.M. Bartolini, F. Caresana, G. Comodi, L. Pelagalli, M. Renzi, ...
  • R. Bettochi, M. Pinelli, P.R. Spina, M. Venturini, and M. ...
  • R. Bettochi, M. Pinelli, P.R. Spina, and M. Venturini, ":Artificial ...
  • M. Basso, L. Giarre, S. Groppi, and G. Zappa, "NARX ...
  • Y. Yoru, T.H. Karakoc, and A. Hepbasli, "Application of artificial ...
  • S. Simani, and R. Patton, "Fault diagnosis of an industrial ...
  • M. Fast, M. Assadi, and S. De, "Condition based maintenance ...
  • M. Fast, M. Assadi, and S. De, "Development and multi-utility ...
  • novel approach for gas turbines monitoring combining CUSUM A:ه [12] ...
  • M. Fast, T. Palme, and A. Karlsson, "Gas turbines sensor ...
  • M. Fast, and T. Palme, "Application of artificial neural network ...
  • M. Fast, "Artificial neural networks for gas turbine monitoring, " ...
  • P.R. Spina, and M. Venturini, "Gas turbine modelling by using ...
  • S.O.T. Ogagi, R. Singh, and S.D. Probert, _ 'Multiple -sensor ...
  • J. Arriagada, M. Genrup, A. Loberg, and M. Assadi, "Fault ...
  • _ Chiras, C. Evans, and D. Rees, "Nonlinear gas turbine ...
  • N. Chiras, C. Evans, and D. Rees, "Nonlinear modelling and ...
  • Nonlinear gas turbine modelling using feedforward neural networks, ; ۱ه ...
  • nonlinear modelling of gas turbine dynamics using NARMAX Globalء [22] ...
  • A.E. Ruanoa, P.J. Fleming, C. Teixeiraa, K.R. Vazquezc, and C.M. ...
  • G. Torella, F. Gamma, and G. Palmesano, "Neural networks for ...
  • P. Ailer, I. Santa, G. Szederkenyi, and K.M. Hangos, "Nonlinear ...
  • G. Cybenko, _ 'Appro ximation by Superpositions of a Sigmoidal ...
  • مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.