پیش بینی افت فشار در شوینده های ونتوری بر اساس مدلهای جریان دو فازی حلقوی، شبکه های عصبی و الگوریتم ژنتیک
Publish place: 16th Annual Conference on Mechanical Engineering
Publish Year: 1387
Type: Conference paper
Language: Persian
View: 2,020
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
ISME16_302
Index date: 11 November 2007
پیش بینی افت فشار در شوینده های ونتوری بر اساس مدلهای جریان دو فازی حلقوی، شبکه های عصبی و الگوریتم ژنتیک abstract
شوینده های ونتوری یکی از مهمترین دستگاه های کنترل الودگی هوا بشمار می روند.عاملی که در میزان راندمان جداسازی آلاینده ها در این دستگاه ها بیشترین نقش را دارد، افت فشار می باشد. مدلهای مختلفی برای محاسبه افت فشار در شوینده های ونتوری ارائه شده است. از جمله مدل ویسواناتان که بر مبنای جریانهای دو فازی حلقوی می باشد. به دلیل شباهت جریانهای دوفازی حلقوی با جریان گاز و قطرات در شوینده های ونتوی، این مدل می تواند در پیش بینی افت فشار در این دستگاه ها کارایی خوبی داشته باشد. مدل پیشنهاد شده توسط ویسواناتان دارای ابهاماتی است که دراین پژوهش سعی دراصلاح مدل در جهت رفع این ابهامات است و افزایش کارایی آن شده است. توافق خوب نتایج مدل پیشنهادی با داده های تجربی نشان دهنده قابلیت این مدل در پیش بینی افت فشار در شوینده های ونتوری می باشد. در مرحله بعد از شبکه های عصبی برای پیش بینی افت فشار در شوینده های ونتوری استفاده شد و نتایج رضایت بخشی حاصل گردید. برای افزایش کارایی شبکه های عصبی، الگوریتم ژنتیک برای بهینه سازی پارامترهای شبکه عصبی ازجمله تعداد نرون در لایه مخفی ، نرخ ممنتوم و نرخ یادگیری به کار گرفته شد. در نهایت مدل شبکه عصبی بهینه سازی شده توسط الگوریتم ژنتیک به دلیل توافق بسیار خوب با داده های تجربی و همچنین محدودیت کمتر نسبت به مدلهای ریاضی به عنوان بهترین مدل انتخاب شد.
پیش بینی افت فشار در شوینده های ونتوری بر اساس مدلهای جریان دو فازی حلقوی، شبکه های عصبی و الگوریتم ژنتیک Keywords:
پیش بینی افت فشار در شوینده های ونتوری بر اساس مدلهای جریان دو فازی حلقوی، شبکه های عصبی و الگوریتم ژنتیک authors
سعیده ناصح
دانشگاه شهید باهنر کرمان، بخش مهندسی شیمی
علی محبی
دانشگاه شهید باهنر کرمان، بخش مهندسی شیمی
امیر صرافی
دانشگاه شهید باهنر کرمان، بخش مهندسی شیمی
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 :