پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 418 |
| تعداد شماره‌ها | 9,997 |
| تعداد مقالات | 83,560 |
| تعداد مشاهده مقاله | 77,800,532 |
| تعداد دریافت فایل اصل مقاله | 54,843,349 |
شناسایی سیستم غیرخطی چند متغیره مولد بخار نیروگاه با به کار بردن شبکه‌های عصبی تأخیر زمانی ویولت | ||
| روش‌های هوشمند در صنعت برق | ||
| مقاله 8، دوره 3، شماره 12، دی 1391، صفحه 67-73 اصل مقاله (522.53 K) | ||
| نوع مقاله: مقاله پژوهشی | ||
| نویسندگان | ||
| لیلا خلیل زاده گنجعلی خانی* 1؛ فرید شیخ‌الاسلام2؛ همایون مهدوی نسب3 | ||
| 1کارشناس ارشد/دانشگاه آزاد اسلامی واحد نجف آباد | ||
| 2دانشیار/دانشگاه صنعتی اصفهان | ||
| 3استادیار/دانشگاه آزاد اسلامی واحد نجف آباد | ||
| چکیده | ||
| یکی از مؤثرترین راهکارها برای افزایش راندمان نیروگاه، بهبود سیستم کنترل آن است. برای چنین بهبودی داشتن مدل دقیقی از مولد بخار نیروگاه ضروری است. در این مقاله، یک مولد بخار صنعتی به عنوان یک سیستم غیرخطی چندمتغیره برای شناسایی در نظر گرفته می‌شود. یک گام مهم در شناسایی غیرخطی سیستم، گسترش دادن یک مدل غیرخطی است. در سال‌‌های اخیر، شبکه‌های عصبی مصنوعی به طور موفقیت آمیزی در شناسایی سیستم‌های غیرخطی در بسیاری از پژوهش‌ها به کار گرفته شده‌اند. شبکه‌های عصبی ویولت نیز به‌عنوان یک ابزار قدرتمند در شناسایی غیرخطی سیستم به‌کار می‌روند. در این مقاله، برای شناسایی یک مولد بخار صنعتی یک مدل شبکه عصبی تأخیر زمانی و یک مدل شبکه عصبی ویولت ارائه می‌کنیم. نتایج شبیه سازی‌ها نشان دهنده کارایی مدل‌های ارائه شده در شناسایی سیستم مذکور می‌باشند و نشان می‌دهند مدل شبکه عصبی ویولت در تخمین خروجی‌های سیستم دقیق‌تر است. | ||
| کلیدواژه‌ها | ||
| شناسایی سیستم؛ شبکه عصبی تأخیر زمانی؛ تبدیل ویولت گسسته؛ شبکه عصبی ویولت | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 8,055 تعداد دریافت فایل اصل مقاله: 2,917 |
||