کاربرد شبکه های فازی عصبی و عصبی مصنوعی در مدلسازی بویلر نیروگاه

Publish Year: 1384
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 7,434

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

ISME13_228

تاریخ نمایه سازی: 21 اسفند 1385

Abstract:

سیستمهای کنترلی نیروگاهی، حداقل به لحاظ تنظیم مجدد ضرایب کنترلرها، نیاز به اصلاح دوره ای دارند. بدین منظور و نیز برای آزمایش عملکرد انواع کنترلر ها روی زیر مجموعه های نیروگاه، نیاز به ارائه مدل دینامیکی کاملی از نیروگاه وجود دارد، که بتواند عملکرد نیروگاه را با دقت قابل قبولی شبیه سازی کرده و امکان آمایش کنترلرهای جدید را فبل از اعمال بر روی سیستم واقعی فراهم کند. از آنجا که روابط ترمودینامیکی از دقت و عمومیت کافی برخوردار نیستند، مدلسازی با روشهای مبتنی بر ازمایشات تجربی و داده های ورودی – خروجی برای نیروگاه بسیار مناسب به نظر میرسند. در این میان، به علت غیر خطی بودن ماهیت بعضی از اجزای نیروگاه، مدلسازی فازی عصبی که علاوه بر غیرخطی بودن توان مدلسازی خوبی هم دارد و امکان مشاهده تغییرات درون سیستم را نیز مهیا می کند، برای مدلسازی انتخاب شده است. در عین حال برای اصلاح ضرایب کنترلرهای خطی موجود به مدلهای خطی (و توابع تبدیل) هم احتیاج است. در این مقاله برای مدلسای خطی نیز با کمک شبکه عصبی روش ساده و موثری ارائه شده است، که برای سیستمهایی با رفتار غیر خطی ، تخمین مدل و مدلسازی خطی را حتی بهتر از روش حداقل کردن مربعات خطا انجام میدهد. مقایسه رفتار دینامیکی این مدلها با سیستم واقعی، در نیروگاه شازند اراک، بیانگر صحت و دقت انطباق عملکردآنها می باشد.

Authors

علی غفاری

دانشیار دانشکده مهندسی مکانیک دانشکده مهندسی مکانیک، دانشگاه صنعت

سیدعلی اکبر موسویان

استادیار دانشکده مهندسی مکانیک دانشکده مهندسی مکانیک، دانشگاه صنع

مرتضی محمدظاهری

دانشجوی کارشناسی ارشد دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نص

دلیله مهرابی

دانشجوی کارشناسی ارشد دانشکده مهندسی مکانیک، دانشگاه صنعتی خواجه نص

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 :
  • ع. فاضلی (مترجم)، تجربیات پیشرفته نیروگاهی، جلد14: کنترل و ابزار ...
  • س. م. حسینعلی پور، طراحی و مدلسازی مدار باز نیروگاه ...
  • ع. غفاری، م. محمدظاهری، د. مهرابی، « طراحی کنترلر فازی ...
  • A.Alessandri and P. Parisini, ،Nonlinear -3 Modeling and State Estimation ...
  • J. S. R. Jang, C. S. Sun, E. Mizutani. Neuro- ...
  • *Neurofuzzy network modeling and control of steam pressure in 300MW ...
  • Neurofuzzy Power Systems Stabilisers Using Genetic Algorithm', 22th conference of ...
  • R .E.Uhrig, L. Tsoukalas and A. I konomopoulo _ -، ...
  • H. ghezelayagh, K. Y.Lee, ?Training Neuro- __، Fuzzy Boiler Identifier ...
  • P. F. Sieger, KWU LES4 Simensallee, SIMENS -10 Karlsruhe 1998 ...
  • T. Kamei, T. Tomura, Y. Kato, ?Latest Power Plant Control ...
  • J. Jantzen, . *Neurofuzzy Modeling ", Technical University of Denmark, ...
  • Lingji chen, Kumpati S. Narendra, ، ، Identi fication and ...
  • Linearizing Control of Nonlinear Process Plants?, IEEE transaction industrial electronics, ...
  • Q Gao and C. J. Harris, ،، Linearization and State ...
  • T. Tsuji, N. Bu, O. Fakuda and M. Kaneko, *A ...
  • J. J. E. Slotine, W. Li ."Appled Nonlinear Control، ، ...
  • R. Jang, MATLAB Fuzzy Logic Toolbox Users Guide, 2nd Version. ...
  • نمایش کامل مراجع