تشخیص خرابی در سیستم پیل سوختی به کمک ماشین بردار پشتیبان
محل انتشار: دومین کنفرانس ملی هیدروژن و پیل سوختی
سال انتشار: 1391
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 843
متن کامل این مقاله منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل مقاله (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
H2FC02_075
تاریخ نمایه سازی: 27 شهریور 1391
چکیده مقاله:
با افزایش پیچیدگی و پیشرفت سیستم های کنترلی و استفاده از ان ها در محیط ها و کاربردهای حساس ، تمایل روزافزونی در زمینه تشخیص خرابی ایجاد شده است. در گذشته شبکه های عصبی به عنوان ابزاری برای تشخیص مدل یا خرابی در یک سیستم به کار گرفته شده اند. اما مشکل الگوریتم بهینه سازی ان ها برای انتخاب پارامتر و کم کردن خطا در هر مرحله به جای کم کردن خطای کل مدل باعث شده است تا ماشین بردار پشتیبان جایگزین مناسبی برای ان ها شوند. ماشین بردار پشتیبان بر پایه تئوری یادگیری اماری Vapnik از جمله الگوریتم های یادگیری موفق در زمینه تشخیص و ایزوله نمودن خطا در سیستم های پیل سوختی می باشد. در این مقاله به کمک الگوریتم ماشین بردار پشتیبان اقدام به تشیص خرابی در یک سیستم پیا سوختی نموده و میزان دقت این الگوریتم در تشخیص خرابی تعیین کرده و نتایج حاصله با الگوریتم های شبکه عصبی مقایسه می شود.
کلیدواژه ها:
نویسندگان
امیر امینی زازرانی
کارشناس ارشد برق گرایش کنترل- کارشناس برق گروه پیل سوختی- مرکز تحقیقات
مهدی زمانی
کارشناس ارشد برق گرایش کنترل- کارشناس برق گروه پیل سوختی- مرکز تحقیقات
باقر فقیه ایمانی
کارشناس ارشد فیزیک گرایش اتمی- مدیر گروه پیل سوختی-مرکز تحقیقات مهندسی
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 :