الیاس رخشانی - دانشگاه آزاد اسلامی واحد گناباد
ایمان سریری
علی وحیدیان کامیاد - دانشکده علوم ریاضی فردوسی مشهد

در این مقاله به منظور دسته بندی داده ها و نیز تشخیص و پیش بینی خطا در برنر بویلر نیروگاه بخار, با استفاده از شبکه های عصبی مصنوعی به بررسی داده های ثانیه ای مربوط به پارامترهای موثر در سیستم برنر بویلر یک نیروگاهبخار می پردازیم. عملکرد مطلوب بِرنرهای بویلر یک نیروگاه وابسته به عملکرد اجزای مختلفی میباشد؛ بطوریکه متغیرهای زیادی به صورت ثانیهای, اندازهگیری و ثبت شده و بر اساس این مقادیر, به شکلی تجربی سعی در رفع خطامیشود. از نتایج بدست آمده از این تحقیق می توان در سایر برنامه های مربوط به پیش بینی خطا و تحلیل داده های مربوط به برنر بویلر یک نیروگاه بخار استفاده کرد. بر اساس نتایج حاصله مشخص خواهد شد که داده های موجود در بویلر را می توان به سه دسته الگو شامل: داده های مربوط به شرایط عملکرد عادی و صحیح, داده های مربوط به شرایط خطاهای آنی و داده های مربوط به شرایط خطاهای وابسته تقسیم بندی کرد

تشخیص خطا، شبکه های عصبی مصنوعی، پایگاه داده، برنر بویلر نیروگاه