مدلسازی یک رآکتور شیمیایی برای مقاصد کنترلی پیش بینی با شبکه عصبی مصنوعی از نوع پرسپترونهای چند لایه

در این مقاله به مدلسازی یک راکتور شیمیایی به عنوان یک سیستم دینامیکی چند ورودی – چند خروجی غیر خطی می پردازیم. بنابراین، استفاده از شبکه های عصبی مصنوعی از نوع پرسپترونهای چند لایه ، برای ایجاد یک مدل نرم افزاری بازگشتی تصحیح شونده، از رفتار سیستم واقعی، پیشنهاد میشود. سپس ، قوانین تعدیل ماتریسهای وزنی مسیرهای ارتباطی بین نرونها برای اموزش شبکه، برای این مدل اعمال می شود. فراگیری در شبکه عصبی مورد بحث، فراگیری نظارتی نام دارد، که بر پایه محاسبه اختلاف خروجی مطلوب، که ازمعادلات دینامیکی سیستم به دست می اید، با خروج واقعی مدل، و کاهش آن با استفاده از قاعده پس انتشار خطا می باشد. در انتها، تاثیر احتساب میزان ارتفاع متغیر با زمان برای سیال درون مخزن راکتور، به عنوان یک متغیر مهم در معادلات سیستم، در بهبود دقت پیش بینی غلظت محصولات خروجی راکتور، برای مقاصد کنترلی، بررسی شده است. از مدل مذکور پس از مدلسازی موفقیت آمیز می توان برای طراحی کنترلر های عصبی پیش بین بهره برد.

کلیدواژه ها:

رآکتور شیمیایی ، شبکه عصبی مصنوعی ، قاعده پس انتشار خطا ، کنترل غیر خطی پیش بینی ، مدلسازی هوشمند سیستم دینامیکی