سیدمحمد هاشمی راد - کارشناس ابزاردقیق شرکت خطوط لوله و مخابرات نفت فارس

درطول دهههای اخیر، هوش مصنوعی به عنوان یک وسیله قدرتمند برای مدل سازیهای صنعتی پیچیده با دینامیک های غیر خطی مثل توربین های گازGTs بکار گفته شده است. در این مطالعه، روشی بر اساس شبکه عصبی مصنوعی ANN برای تشخیص سیستم آفلاین )برون خط( توربین گاز کم توان توسعه داده می شود. اطلاعات پردازش شده از مدل سیمولینک توربین گازی در محیط MATLAB به دست می آید. یک کد برنامه ریزی کامپیوتری در محیط MATLAB برای به وجود آوردن و آموزش مدل های مختلف ANN با ساختار پرسپترون چند لایه تولید میشود. کد شامل تابع آموزش، تعداد مختلف نرونها و توبع انتقال مختلف برای لایه های مخفی و خروجی شبکه است. نشان داده می شود که مدل بهینه برای شبکه دو لایه با ساختار MLP شامل 22 نرون در لایه مخفی و استفاده ازtrainlm به عنوان تابع یادگیری آن وtansig وlogsid به عنوان توابع انتقال آن برای لایه های مخفی خروجی است. همچنین مشاهده می شود که trainlm اجرای بهتری در ترمهای مینیمم MSE در مقایسه با هر کدام از توابع آموزش دارد. مدل پیشنهادی می تواند عملکرد سیستم را با دقت بالا پیش بینی کند . این روش یک دید جامع از اجرای بیش از 12722 مدلANNبرای شناخت سیستم 94.2GT v فراهم می کند

مدل کردن ، شبیه سازی ، بهینهسازی ، شبکه عصبی