استفاده از الگوریتم های ازدحام ذرات و لونبرگ مارکوارت در آموزش یک شبکه عصبی مجتمع برای شبیه سازی یک نیروگاه برق پیل سوختی

در این مقاله یک مدل غیرخطی دینامیکی از یک پیل سوختی اکسایشی بر پایه شبکه های عصبی مجتمع ارائه شده است. اجزای شبکه عصبی مجتمع (هر کدام از شبکه های عصبی مصنوعی) به صورت هم زمان آموزش داده می شود. الگوریتم تکاملی برای آموزش شبکه ها ترکیبی از الگوریتم های لونبرگ مارکوارت و ازدحام ذرات می باشد، همچنین تابع هزینه با استفاده از روش آموزش برای ایجاد همبستگی منفی مشخص می شود و در طول آموزش الگوریتم های تکاملی سعی در کاهش این تابع دارند. در انتهای آموزش خروجی نهایی ترکیب وزن داری از خروجی نهایی همه شبکه های عصبی خواهد بود که این وزن ها با استفاده از الگوریتم ازدحام ذرات به دست می آیند. استفاده از ترکیب الگوریتم های لونبرگ مارکوارت و ازدحام ذرات موجب خواهد شد تا روش جدید دقت بالاتری داشته باشد. همچنین آموزش همزمان همه شبکه ها و ایجاد همبستگی منفی میان آنها توانایی شبکه مجتمع را برای شناسایی همه ابعاد سیستم بالا می برد به طوری که هر قدر مقدار عدی تابع همبستگی به منفی یک نزدیک تر باشد شبکه ها مستقل تر خواهند بود. برای آموزش و تست صحت سنجی مدل دینامیکی ارائه شده یک مدل مبتنی بر معادلات فیزیکی با دقت خوب مورد استفاده قرار گرفته است. نتایج نشان می دهد که خروجی پیل سوختی با دقت خیلی بالایی توسط مدل ارائه شده تخمین زده می شود.

Keywords:

پیل سوختی , شبکه عصبی مجتمع , آموزش با همبستگی منفی , ازدحام ذرات , لونبرگ مارکوارت , شبیه سازی