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

عیب یابی واحد تکیک بوتان با استفاده از شبکه های عصبی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۲ | تعداد نمایش خلاصه: ۱۷۲۹ | نظرات: ۰
سرفصل ارائه مقاله: فراورش، انتقال و توزیع گاز
سال انتشار: ۱۳۸۵
نوع ارائه: شفاهی
کد COI مقاله: NSCG01_037
زبان مقاله: فارسی
حجم فایل: ۲۷۰.۷۹ کلیوبایت (فایل این مقاله در ۱۲ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۲ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله عیب یابی واحد تکیک بوتان با استفاده از شبکه های عصبی

  رضا اسلاملوئیان - استادیار بخش مهندسی شیمی، نفت و گاز - دانشکده مهندسی، دانشگاه شیراز
آمنه صحرانشین - دانشجوی کارشناسی ارشد بخش مهندسی شیمی، نفت و گاز - دانشکده مهندسی، دان

چکیده مقاله:

در این تحقیق، شبکه های عصبی مصنوعی جهت عیب یابی یکی از فرایندهای مورد استفاده در فرآورش گاز طبیعی به کار رفته است. این شبکه ها در مدلسازی فرآیند های غیر خطی و پیچیده قابل استفاده می باشند و ازاین رو کاربرد زیادی در فرآیندهای صنایع نفت و گاز دارند. یکی از کاربردهای شبکه های عصبی تشخیص عیوب فرایند با استفاده از داده های به دست آمده از سیستمهای اندازه گیری کمیت های فرایندی می باشد. عدم تشخیص به موقع مشکلات و عیوب باعث ادامه وضعیت غیر نرمال فرایند شده که این موضوع منجر به کاهش بازده فرایند، کیفیت محصول و استانداردهای ایمنی می شود. به طور کلی وجود شرایط غیر نرمال در علمیات فرایند، عامل ایجاد خسارت های مادی و در بدترین وضعیت، تلافات جانی می باشد. فرآیندی که در این تحقیق مورد بررسی قرار گرفته برج تفکیک بوتان است. این فرایند شامل یک برج تقطیر سینی دار مجهز به کندانسور، ربویلر، و تجهیزات جانبی از قبیل محفظه تبخیر ناگهانی، پمپ و سیستمهای کنترل و اندازه گیری میباش. خوراک فرآیند به صورت دو جریان مجزا وارد سینی های چهارم و هشتم یک برج تقطیر سینی دار می شود. محصول بالای برج عمدتا شامل بوتان و بوتیلن و محصول پایین آن حاوی پنتان و هیدروکربنهای سنگین تر می باشد. داده های مورد نیاز برای آموزش شبکه عصلی از شبیه سازی واحد در حالت ناپایا به دست می آید. بدین منظور فرایند مذکور با استفاده از نرم افزار HYSYS در حالت دینامیکی شبیه سازی شد. ده عیب محتمل بر اساس تجهیزات موجود در فرایند، در نظر گرفته شد. همچنین، سیزده کمیت اندازه گیری شده توسط سیستم کنترل و ابزار دقیق واحد، جهت تشخیص عیب به عنوان بردار ورودی بهش بکه عصلی لحاظ گردیدند. داده های آموزشی، آزمایشی و ارزیابی مورد نیاز برای طراحی شبکه عصلی از شبیه سازی دینامیکی واحد به دست آمد. شبکه مورد استفاده در این تحقیق از نوع شبکه های پیشرونده (Multi-Layer Perceptron (MLP) می باشد . این شبکه عصبی شامل یک لایه مخفی و یک لایه خروجی هر کدام شامل ده نرون است. توابع انتقالی لایه مخفی و لایه خروجی به ترتیب از نوع logsig , tansing می باشند. سیستم عیب یابی طراحی شده با استفاده از شبیه سازی واحد درحالت ناپایا مورد ارزیابی قرار گرفت. بررسی نتایج ارزیابی نشان داد که شبکه عصبی طرا حی شده در اکثر موارد با دقت نسبتا مناسبی قادر به تشخیص عیوب فرایند می باشد.

کلیدواژه‌ها:

عیب یابی فرایند ، شبکه های عصبی ، شبیه سازی دینامیکی ، برج تفکیک بوتان

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-NSCG01-NSCG01_037.html
کد COI مقاله: NSCG01_037

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:
اسلاملوئیان, رضا و آمنه صحرانشین، ۱۳۸۵، عیب یابی واحد تکیک بوتان با استفاده از شبکه های عصبی، اولین همایش ملی تخصصی گاز ایران، شیراز، دانشگاه شیراز، بخش مهندسی شیمی، نفت و گاز، https://www.civilica.com/Paper-NSCG01-NSCG01_037.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: (اسلاملوئیان, رضا و آمنه صحرانشین، ۱۳۸۵)
برای بار دوم به بعد: (اسلاملوئیان و صحرانشین، ۱۳۸۵)
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 :

  • Beaumont , A.J., and A.Scarisbick, "Adaptive transient air-fuel ratio control ...
  • Turner , P., B. Lennox, G. A.Montague, and A.J.Morris, "modeling ...
  • Lennox, B., G. A.Montague, A.M.Frith, C.Gent, and V.Bevan, "Industrial application ...
  • Montague , G.A., A.T.Tham, M.J.Willis, and A.J.Morris, "Predictive control of ...
  • operations" , Chem. Eng.Progres s, 9 1(9), (1 995)36-45 ...
  • Leung, D., and J. Romagnoli, "Dynamic probabilistic model-based expert system ...
  • Young Eo., S., T. S. Chang, D. Shin and E. ...
  • V enk atasubramani an, V. and K.Chan, "A neural network ...
  • Fan, J. Y., M. Nikolaou, and R. E. White, ، ...
  • Eslamloueyan , R., M. Shahrokhi, R. Bozorgmehri, "Multiple simultaneous fault ...
  • Eslamloueyan , R., M. Shahrokhi, R. Bozorgmehri, "Designing an efficient ...
  • Hagan, M. T., H. B. Demuth and M. Beale, Neural ...
  • Nimo.I. "Adequately address abnormal situation operations" , Chem. Eng.Progres s, ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۱۹۳۳۰
    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.