بکارگیری الگوریتم ژنتیک و منطق فازی برای کنترل و مدیریت مصرف انرژی سیستم سرمایشی و گرمایشی

سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,206

فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCENERGYC01_031

تاریخ نمایه سازی: 22 مرداد 1391

چکیده مقاله:

یکی از اصولی ترین روشها در حل مشکلات مربوط به سیستمهای تولید و مصرف کننده انرژی بکارگیری روشهای کنترل می باشد. با در نظر گرفتن دینامیک سیستمهای مصرف کننده انرژی، مانند سیستمهای سرمایشی و گرمایشی و مدلسازی ریاضی پدیده های انتقال جرم و حرارت، پیاده سازی روشهای کنترل میسر می گردد. هدف از این مطالعه بکار گیری الگوریتم ژنتیک برای بهینه نمودن قواعد کنترلر فازی و PID بمنظور استفاده در کنترل سیستم سرمایشی و گرمایشی است. یک تابع هزینه ترکیبی مبتنی بر ماهیت الگوریتم ژنتیک برای سیستم سرمایشی و گرمایشی پیشنهاد شده است که در کنترل ژنتیک فازی و ژنتیک - PID برای اینگونه سیستمها مورد استفاده قرار می گیرد. نتایج شبیه سازی نشان می دهد که حفظ دمای محفظه کنترل شده و پاسخ حرارتی سیستم در مواجهه با تغییرات با حداقل نوسانات میسر می باشد و کنترلر ژنتیک- فازی به اندازه 8/95 درصد نسبت به کنترلر PID مقدار تابع هزینه تنظیم دما را کاهش می دهد.

کلیدواژه ها:

الگوریتم ژنتیک ، بهینه سازی مصرف انرژی ، سیستم سرمایشی و گرمایشی ، کنترل فازی ، PID

نویسندگان

مرتضی محمدی اردهالی

دانشکده برق، دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران)

قاسم جاهدی

دانشکده برق، دانشگاه صنعتی امیرکبیر(پلی تکنیک تهران)

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • Jason T, MY Chow. Application of functional link neural network ...
  • Seem JE, JE Broun. Impact of personal environmenta control on ...
  • Betzaida AS, Miguel VR. Nonlinear control of heating, ventilation and ...
  • Control Systems Technology, Vol., 7, No. 1. January 1999. ...
  • Shoureshi R. Intelligent control systems: Are they for real?, Trans. ...
  • Shoureshi R, K Rahman. Derivation and applications of an expert ...
  • Ardehali MM, M Saboori, M Teshnelab. Numerical simulation and analysis ...
  • Linkens DA, HO Nyogesa. Genetic algorithms for fuzzy control Part1: ...
  • Cheong F, R Lai. Constraining the optimization of a fuzzy ...
  • Goldberg DE. Genetic algorithms in search, optimization, and machine learning, ...
  • Park YJ, HS Cho, DH Cha. Genetic algorithm- based optimization ...
  • نمایش کامل مراجع