دانلود با لینک مستقیم و پر سرعت .
این شبکه ها در علوم بسیاری از جمله فیزیک ، مهندسی برق، مهندسی محیط زیست ، مهندسی شیمی ، علوم کامپوتر ، رباتیک و... کاربرد دارند و با گذر زمان رویکرد بشر به سمت استفاده از شبکه های عصبی مصنوعی بیشتر و بیشتر می شود. با مطالعات فراوان دانشمندان بر روی شبکه های مصنوعی به کاربرد وسیع این شبکه ها در شناسایی الگوهای جریان دو فازی گاز- مایع و صنایع شیمیایی و دیگر صنایع پی برده شد. در نرم افزار MATLAB می توان 13 نوع شبکه عصبی را طراحی کرد که تئوری و ساختار برخی از این شبکه ها در فصل قبل مورد بررسی قرار گرفت.
در این فصل به بررسی کاربردهای شبکه های عصبی مصنوعی در شناسایی الگوهای جریان دو فازی گاز- مایع و صنایع شیمیایی به کمک نرم افزار MATLAB می پردازیم :
بخش دوم- استفاده از شبکه های عصبی مصنوعی در شناسایی الگوی جریان دو فازی گاز- مایع
الگوی جریان دو فازی گاز- مایع در خطوط انتقال و تجهیزاتی که این شرایط در آنها رخ می دهد جزء اولین پارامتر هایی است که باید مشخص گردد و مبنایی برای تعیین دیگر عوامل تاثیر گذار بر پارامتر های طراحی و بهینه سازی مانند میزان مایع تجمع یافته و افت فشار خواهد بود. از جمله عوامل تاثیر گذار بر روی نوع الگوی جریان دو فازی می توان به :
1- خواص فیزیکی : فشار، دما ، ویسکوزیته ، دانستیه ، کشش سطحی
2- ویژگی های جریان : شدت جریان هر یک از فازها، جهت جریان (زوایه جریان نسبت به افق ) هم جهت بودن و یا خلاف جهت بودن دو فاز
3- شرایط مجرا: شکل هندسی خط لوله جنس لوله زبری سطح داخلی ، قطر لوله ، طول خط
اشاره کرد هر کدام از این عوامل می توانند به عنوان ورودی های شبکه عصبی مصنوعی بکار برده شوند. دو محدودیت عمده در استفاده از هر یک از عوامل بالا در طراحی شبکه وجود دارد. که این عوامل عبارتند از :
1- امکان اندازه گیری یا محاسبه پارامتر
2- کد کردن پارامتر بصورت یک ورودی یا خروجی قابل درک برای شبکه
مجموعه های انتخاب شده به منظور طراحی شبکه عصبی مصنوعی در این بخش عبارتند از :
1) مطالعه تاثیر تغییر زوایه خط لوله نسبت به افق بر روی الگوی جریان دو فازی
FLOW REGIM TRANSITIONS IN LARGE DIAMETER INCLINED MULTIPHASE PIPELIMES
در این مقاله نتایج مطالعات آزمایشگاهی محققین در مرکز نوآوریهای جریان های چند فازی و انستیتو تکنو لوژی جریان های چند فازی وخوردگی دانشگاه ها اوهایو در سال 2002 میلادی آورده شده است. این آزمایشها بر روی خط لوله ای به قطر 16/10 سانتیمتر و طول 36 متر تحت 6 زوایه 2 ±، 15 ± و 30 ± انجام گرفته است. محدوده تغییرات سرعت ظاهری گاز m/s 2-2/0 و سرعت ظاهری نفتm/s14-1 می باشد . نفت با ویسکوزیته cP 5/2 به عنوان فاز مایع و دی اکسید کربن به عنوان فاز گاز جریان دو فازی بکار رگفته شده اند. آزمایشها تحت دمای oC25 و فشار m/sMPa 13/0 انجام یافته است. جدول 3-1 گزارشی از شرایط جریان دو فازی این مطالعه می باشد. روشی که برای تشخیص الگوی جریان توسط این محققین بکار گرفته شده است. مشاهده مستقیم جریان می باشد . در اینجا منظور از زاویای مثبت جریان رو به بالا و زوایای منفی ، جریان رو پایین می باشد .
بخش اول – مقدمه
بخش دوم- استفاده از شبکه های عصبی مصنوعی در شناسایی الگوی جریان دو فازی گاز- مایع
طراحی شبکه در نرم افزار MATLAB
پردازش اطلاعات
مجموعه اول
مجموعه دوم :
مجموعه سوم :
طراحی شبکه LVQ
مجموعه اول
نتیجه
مجموعه دوم:
نتیجه :
مجموعه سوم
نتیجه
طراحی شبکه RBF
مجموعه اول
مجموعه دوم
نتیجه
طراحی شبکه با 18/0=spread
مجموعه سوم
نتیجه
نتیجه گیری
بخش سوم – پیش بینی بازده کلی سینی مشبک با استفاده از شبکه عصبی مصنوعی
آشنایی با سینی های مشبک (غربالی) و بازده آن
تعاریف بازده سینی
بازده نقطه ای یا بازده موضعی
بازده برج
مدل های پایه ای برای پیش بینی بازده سینی مشبک تقطیر
پیش بینی بازده کلی سینی مشبک با استفاده از شبکه عصبی
انتخاب پارامترهای ورودی
پیش بینی بازده سینی مشبک با استفاده از شبک های عصبی
نتیجه گیری
بخش چهارم – استفاده از شبکه های عصبی در مدل سازی مشخصه های کف با عملکرد فرایند فلوتاسیون مس سرچشمه
حالت اول :
روش انتخاب و ارائه داده های مشخصه کف
انتخاب ساختار شبکه
حالت دوم
بخش پنجم – استفاده از شبکه های عصبی مصنوعی در مدل سازی واحد شیرین سازی پالایشگاه هاشمی نژاد
نتیجه گیری
منابع
منابع فارسی :
شامل 146 صفحه فایل word
