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

بکارگیری شبکه های عصبی مصنوعی و الگوریتم ژنتیک جهت بهینه سازی عملکرد چیلر جذبی دو اثره جریان موازی

اعتبار موردنیاز PDF: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۴۰۸۷ | نظرات: ۰
سرفصل ارائه مقاله: انرژی و محیط زیست - صرفه جویی در مصرف انرژی در ساختمان و صنعت
سال انتشار: ۱۳۸۷
کد COI مقاله: ISME16_328
زبان مقاله: فارسی
حجم فایل: ۳۴۴.۵۷ کیلوبایت (فایل این مقاله در ۶ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

متن کامل این مقاله دارای ۶ 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 ۶ صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله بکارگیری شبکه های عصبی مصنوعی و الگوریتم ژنتیک جهت بهینه سازی عملکرد چیلر جذبی دو اثره جریان موازی

  سیدمحمدابراهیم درخشانی - کارشناسی ارشد دانشگاه علم و صنعت ایران، دانشکده مهندسی مکانیک
  سیدمصطفی حسینعلی پور - استادیار، دانشگاه علم و صنعت ایران، دانشکده مهندسی مکانیک

چکیده مقاله:

بهینه سازی چیلرهای جذبی به علت عدم دسترسی به توابع عملکرد انها کار بسیار مشکلی است. در این مقاله جهت حل این مشکل از شبکه عصبی جهت شناسایی تابع عملکرد یک چیلر جذبی دو اثره جریان موازی با ظرفیت 350KW استفاده شده است. به کمک شبکه عصبی ، رابطه ای تحلیلی برای ضریب عملکرد چیلر جذبی و بار حرارتی کندانسور بر حسب برخی از پارامترهای مهم داخلی نظیر دبی محلول، نسبت گردش محلول، غظلت محلول ونسبت توزیع محلول به دست آمده است. جهت شناسایی تابه عملکرد چیلر از یک شبکه عصبی پرسپترون دو لایه استفاده شده است. مقادیر مورد نیاز جهت آموزش و تست شبکه عصبی، از ملدسازی ترمودینامیکی سیکل عملکرد چیلر جذبی بدست امده اند. نتایج شبیه سازی نشان میدهند که شبکه عصبی طراحی شده برای داده های تست دقت بسیار مناسبی دارد. سپس بابکارگیری تابع عملکرد بدست آمده از شبکه عصبی و استفاده از الگوریتم ژنتیک، مقدار بهینه ای برای پارامترهای داخلی نظیر دبی محلول، نسبت گردش محلول، غلظت محلول و نسبت توزیع محلول جهت افزایش مقدارضریب عملکرد چیلر و کاهش بار حرارتی کندانسور استخراج گردید.

کلیدواژه‌ها:

چیلر جذبی دو اثره جریان موازی ، شبکه های عصبی ، الگوریتم ژنتیک

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-ISME16-ISME16_328.html
کد COI مقاله: ISME16_328

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:
درخشانی, سیدمحمدابراهیم و سیدمصطفی حسینعلی پور، ۱۳۸۷، بکارگیری شبکه های عصبی مصنوعی و الگوریتم ژنتیک جهت بهینه سازی عملکرد چیلر جذبی دو اثره جریان موازی، شانزدهمین کنفرانس سالانه مهندسی مکانیک، کرمان، دانشکده فنی مهندسی دانشگاه شهید باهنر، https://www.civilica.com/Paper-ISME16-ISME16_328.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: (درخشانی, سیدمحمدابراهیم و سیدمصطفی حسینعلی پور، ۱۳۸۷)
برای بار دوم به بعد: (درخشانی و حسینعلی پور، ۱۳۸۷)
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. Bechtler, M.W. Browne, P.K. Bansal, V. Kecman, New approach ...
  • Adnan Sozen, Erol Arcaklioglu, Mehmet Ozalp, A new approach to ...
  • استفاده از شبکه های عصبی مصنوعی جهت شناسایی خواص ترمودینامیکی محلول لیتیوم برماید آب [مقاله کنفرانسی]
  • شناسایی تابع عملکرد چیلر جذبی دواثره جریان موازی به کمک شبکه های عصبی مصنوعی [مقاله کنفرانسی]
  • T.T.Chow, G.Q.Zhang, Z.Lin, C.L.Song, Global optimization of absorption chiller system ...
  • Palau A., Velo E., Puigjaner L. Use of neural networks ...
  • G.P.Xu, Y.Q.Dai, K.W.Tou and C.P.Tso, Theoretical analysis and optimization of ...
  • Chouai A., Laugier S., Richon D. Modeling of thermo dynamic ...
  • M.T. Hagan and M. Menhaj, Training feedforward networks with the ...
  • Simon Haykin, Neural Networks: A C omprehensive Foundation, Prentice Hall ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۱۹۰۴۲
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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.