[yith_wcwl_add_to_wishlist]

شبکه های عصبی مصنوعی

قیمت محصول

3,000 تومان

جزئیات بیشتر

کد محصول

9804849

تعداد صفحه

17

فرمت

word

کد ویرایشگر

209

قوانین استفاده

توضیحات مختصر محصول
شبکه های عصبی مصنوعی

توضیحات پروژه شبکه های عصبی مصنوعی

چکیده

در این تحقیق, شبکه های عصبی مصنوعی جهت عیب یابی یکی ازفرایندهای 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 از این 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 میباشد.

تشخیص صحیح و سریع عیوب یکی از مسائل مهم در راهبری و مدیریت عملیات واحدهای فرآیندی 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 میشود. به طور کلی وجود شرایط غیرنرمال در عملیات فرایند عامل ایجاد خسارت های مادی و در بدترین وضعیت, تلافات جانی میباشد.

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, وتجهیزات جانبی از قبیل محفظه تبخیر ناگهانی, پمپ و سیستمهای کنترل و اندازه گیری میباشد. خوراک فرآیند به صورت دو جریان مجزا وارد سینی های چهارم و هشتم یک برج تقطیر سینی دار می شود. محصول بالای برج عمدتاً شامل بوتان و بوتیلن و محصول پایین آن حاوی پنتان و هیدروکربنهای سنگین تر می باشد.

سایت همیارپروژه نوین

داده های مورد نیاز برای آموزش شبکه عصبی 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 به شبکه عصبی لحاظ گردیدند.

داده های آموزشی, آزمایشی و ارزیابی مورد نیاز برای طراحی شبکه عصبی از شبیه سازی دینامیکی واحد به دست آمد. شبکه مورد استفاده در این تحقیق از نوع شبکه های پیشرونده Multi-Layer Perceptron (MLP) میباشد. 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 tansig و logsig می باشند. سیستم عیب یابی طراحی شده با استفاده از شبیه سازی واحد در حالت ناپایا مورد ارزیابی قرار گرفت. بررسی نتایج ارزیابی نشان داد که شبکه عصبی طراحی شده در اکثر موارد با دقت نسبتاً مناسبی قادر به تشخیص عیوب فرایند میباشد.

واژه¬های کلیدی: عیب یابی فرایند-شبکه های عصبی- شبیه سازی دینامیکی- برج تفکیک بوتان

۱- مقدمه

استفاده از شبکه های عصبی در طی دو دهه اخیر بسیار مورد توجه محققان و صنعت گران قرار گرفته است. علت این امر علاوه بر سادگی کاربرد آنها، بازدهی این روشها در مدلسازی فرآیندهایی است که رفتاری به شدت غیر خطی دارند. امروزه از شبکه های عصبی در زمینه های مختلفی استفاده می شود. از جمله می توان به مدلسازی فرآیند ها اشاره نمود.

به عنوان مثال A.J.Beaumont و همکاران این شبکه ها را جهت مدلسازی موتورهای بنزینی (gasoline) به کار بردند. یکی از پارامترهایی که در مدلسازی این موتورها اهمیت دارد نسبت هوا به سوخت در موتور می باشد که این پارامتر همواره باید به مقادیر استوکیومتری خود نزدیک باشد. کنترل این پارامتر به ویژه در موتورهایی که رفتار دینامیک دارند (به دلیل وجود عوامل غیر خطی، تاخیرهای زمانی متغیر و ثابت های زمانی بسیار) کار بسیار پیچیده ای است.

ولی A.J. Beaumont و همکاران توانستند با استفاده از شبکه های عصبی مصنوعی این فرآیند را مدلسازی نموده و با ادغام آن با یک سیستم کنترل اتوماتیک مقدار نسبت هوا به سوخت را تنظیم نمایند [۱].

از دیگر تلاشهایی که در این زمینه انجام شده است می توان به تحقیقات P.Turner و همکاران اشاره کردکه از شبکه های عصبی مصنوعی برای مدلسازی سیستمهای تصفیه آب استفاده نمودند. در این سیستم ها همواره سعی بر این است که کیفیت آب خروجی در ماکزیمم مقدار خود باشد. شبکه ای که توسط آنها ارائه شده بود بر اساس مقادیر اندازه گیری شده از فرآیند, کیفیت آب خروجی را تخمین می زد [۲].

از دیگر زمینه های کاربرد شبکه های عصبی مصنوعی

از دیگر زمینه های کاربرد شبکه های عصبی مصنوعی کنترل فرآیند ها می باشد. سیستمهای کنترل مبتنی بر مدل ( model-based ) در طی دو دهه اخیر بسیار مورد توجه محققان در دانشگاهها و صنایع قرار گرفته اند. در این کنترلرها, مدلی از سیستم جهت پیش بینی خروجی های فرآیند مورد استفاده قرار می گیرد. در چنین وضعیتی, عملکرد کنترلر بستگی به دقت مدلی دارد که جهت پیش بینی رفتار سیستم به کار رفته است‌[۳].

با توجه به توانائی شبکه های عصبی مصنوعی در مدل سازی فرآیندهای غیر خطی, از آنها در کنترلرهای مبتنی بر مدل استفاده شده است. از جمله مطالعاتی که در این زمینه صورت پذیرفته, تحقیقات موناگ و همکارنش میباشد. آنها از شبکه های عصبی دینامیک جهت کنترل رفتار برجهای تقطیر استفاده نمودند [۴]. همچنین, ژانگ و همکاران از این شبکه ها جهت تخمین میزان ناخالصی ها و رسوبات در رآکتورهای پلیمریزاسیون استفاده نمودند.

سایت همیارپروژه نوین

تخمین این دو پارامتر در رآکتورهای پلیمریزاسیون به عنوان یکی از عوامل ضروری در کنترل و نظارت در فرآیندهای تولید پلیمر به شمار می رود [۵].
یکی دیگر از کاربرد های مهم شبکه های عصبی مصنوعی استفاده از آنها در تعیین و تشخیص عیوب فرآیندها می باشد. تعیین عیب یکی از اهداف مهم مهندسی فرآیند به شمار می آید.

یک عیب ممکن است ناشی از عوامل بیرونی (به عنوان مثال نوسانات دبی، دما یا فشار در جریانهای ورودی به واحد فرایندی) و یا در اثر عوامل درونی فرایند به وجود آمده باشد (مانند وجود نقص در ابزار دقیق و کاهش فعالیت کاتالیست). اگر چه معمولاً یک واحد فرآیندی مجهز به سیستم های محافظتی است ولی چنین امکاناتی اغلب زمانی فعال می شوند

که وضعیت غیرنرمال به حد غیر قابل کنترل رسیده و نیاز باشد که قسمتی از واحد یا کل آن متوقف (shut down) شود. بدیهی است که توقف اضطراری یک واحد از لحاظ اقتصادی به هیچ وجه به صرفه نیست. از طرف دیگر حتی اگر توقفی هم در فرآیند رخ ندهد، وجود عیب موجب می شود که متغیر های فرآیند به میزان چشم گیری از حالت نرمال خود فاصله بگیرند که این به معنای کاهش کیفیت محصول است.

همیارپروژه نوین

پیشنهاد:

آزمایشگاه شیمی آلی

شیمی در نگاه جهان

علم ژنتیک

 

نمایش بیشتر
دیدگاه های کاربران
دیدگاهتان را با ما درمیان بگذارید
تعداد دیدگاه : 0 امتیاز کلی : 0.0 توصیه خرید : 0 نفر
بر اساس 0 خرید
0
0
0
0
0

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “شبکه های عصبی مصنوعی”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

قیمت محصول

3,000 تومان