سیویلیکا را در شبکه های اجتماعی دنبال نمایید.

بهینه سازی چند هدفه عملکرد آسیای گردان با استفاده از شبکه عصبی- فازی

Publish Year: 1399
Type: Journal paper
Language: Persian
View: 14

This Paper With 11 Page And PDF Format Ready To Download

Export:

Link to this Paper:

Document National Code:

JR_MME-20-9_013

Index date: 12 March 2025

بهینه سازی چند هدفه عملکرد آسیای گردان با استفاده از شبکه عصبی- فازی abstract

با توجه به اهمیت آسیاهای گردان در صنایع و کارخانه های فرآوری و عدم وجود یک مدل قابل قبول برای شناسایی و پیش بینی عملکرد آنها، بهینه سازی این سیستم های پیچیده، غیرخطی و بزرگ ضروری است. در این مقاله بهینه سازی چند هدفه آسیای گردان بررسی شده است. به منظور بررسی پارامترهای عملیاتی آسیا مانند سرعت، شارژ گلوله، غلظت و حجم دوغاب بر فرآیند خردایش، سایش لاینرها و توان کشی می توان به شبیه سازی، مدل سازی و ساخت یک مدل آزمایشگاهی با ابعاد کوچک تر از آسیای واقعی پرداخت. برای این منظور از آسیای آزمایشگاهی به قطر یک و طول ۵/۰متر استفاده شد. خوراک ورودی آسیا، دوغابی از سنگ معدن مس با ابعاد کمتر از یک اینچ است. آزمایش ها در سرعت های بین ۶۵ تا ۸۵% سرعت بحرانی، برای شارژهای گلوله ۱۰ تا ۳۰% حجم آسیا، دوغاب هایی با ۴۰ تا ۸۰% جامد و حجم پرشدگی دوغاب بین ۰/۵ تا ۲/۵ برابر حجم مفید گلوله ها، انجام گرفته است. در این مقاله داده های حاصل از آزمایش ها برای ایجاد قواعد فازی و ویرایش این قواعد به کمک شبکه های عصبی به کار گرفته شده است تا به عنوان تابع هزینه در الگوریتم تکاملی چند هدفه استفاده شود. نتایج نهایی به صورت نقاط غیرمغلوب پارتو استخراج شده و به کمک دیاگرام های سطح، محدوده بهترین مقدار به دست آمد. به صورت کلی در سرعتی بین ۷۰ تا ۸۰% سرعت بحرانی، شارژ گلوله ای بین ۱۵ تا ۲۰% حجم آسیا، دوغابی با غلظت ۶۰ تا ۷۰% جامد و حجم دوغاب بین یک تا ۱/۵ برابر حجم مفید گلوله، خردایش بهینه در آسیا اتفاق می افتد.

بهینه سازی چند هدفه عملکرد آسیای گردان با استفاده از شبکه عصبی- فازی Keywords:

بهینه سازی چند هدفه عملکرد آسیای گردان با استفاده از شبکه عصبی- فازی authors

مسلم محمدی سلیمانی

Mechanical Engineering Department, Engineering Faculty, Payame Noor University, Bandar Abbas, Iran

سمیه میرزاده

Mathematics Department, Base Science Faculty, University of Hormozgan, Bandar Abbas, Iran

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
Wills BA, Finch J. Wills' mineral processing technology: An introduction ...
King RP. Modeling and simulation of mineral processing systems. Amsterdam: ...
Zadeh LA. Fuzzy sets. Information and Control. ۱۹۶۵;۸(۳):۳۳۸-۳۵۳ ...
Mohammadi Soleymani M, Fooladi Mahani M, Rezaeizadeh M, Bahiraie M. ...
Mohammadi Soleymani M, Fooladi Mahani M, Rezaeizadeh M. Experimental investigation ...
Moys MH. Grinding to nano-sizes: Effect of media size and ...
Soleymani MM, Fooladi M, Rezaeizadeh M. Effect of slurry pool ...
Hoseinian FS, Shirani Faradonbeh R, Abdollahzadeh A, Rezaei B, Soltani-Mohammadi ...
Hadizadeh M, Farzanegan A, Noaparast M. A plant-scale validated MATLAB-based ...
Hadizadeh M, Farzanegan A, Noaparast M. Supervisory fuzzy expert controller ...
Holland JH. Adaptation in natural and artificial systems: an introductory ...
Deb K, Pratap A, Agarwal S, Meyarivan T. A fast ...
Deb K. Multi-objective optimization. In: Burke EK, Kendall G. Search ...
Karimi M, Bakhtiari H, Keshavarz A. Modeling and multiobjective optimization ...
Rezaeizadeh M, Fooladi M, Powell MS, Mansouri SH, Weerasekara NS. ...
Tavares LM. Breakage of single particles: Quasi-static. Handbook of Powder ...
Arora JS. Introduction to optimum design. Cambridge: Academic Press; ۲۰۰۴ ...
Mulenga FK, Moys MH. Effects of slurry pool volume on ...
Kasprzak EM, Lewis K. Pareto analysis in multiobjective optimization using ...
Blasco X, Herrero JM, Sanchis J, Martínez M. A new ...
Konak A, Coit DW, Smith AE. Multi-objective optimization using genetic ...
Zitzler E, Deb K, Thiele L. Comparison of multiobjective evolutionary ...
نمایش کامل مراجع