تحلیل اثریادگیری در قابلیت اطمینان خرابی تجهیزات کلیدی مبتنی بر شبیه سازی شبکه عصبی مصنوعی

در این مقاله هدف، ارائه یک شبیه سازی مبتنی بر شبکه عصبی مصنوعی می باشد که در راستای تحلیل مقدار آموزش شبکهعصبی برای تعیین قابلیت اطمینان تجهیزات کلیدی به کار گرفته شده است. دست یابی به تحلیل موثر از ضریب یادگیری درشبکه عصبی که دارای حداقل خطا می باشد.ما در این مقاله، برای تعیین نقش ضریب یادگیری در شبکه عصبی مصنوعی مربوط به قابلیت اطمینان تجهیزات از پویاییسیستم استفاده نمودیم و سناریو های مختلفی را بررسی و به کمک نرم افزار ونسیم به نتایج تحلیلی دست یافتیم. نمودار علیمربوط به شبکه عصبی رسم شد و نمودار جریان-حالت نیز تهیه گردید که با استفاده از محیط نرم افزار ونسیم پویایی سیستمشبکه عصبی، ضریب یادگیری لایه اول و لایه دوم مورد تحلیل قرار گرفت و میزان خطا در سیستم در مدت شش ماه محاسبه گردید.در این مقاله مطالعه موردی روی تجهیزات کلیدی مرتبط با صنعت نیروگاهی می باشد. سناریو های مختلفی در ارتباط باضریب یادگیری شبکه عصبی مورد بررسی قرار گرفت و سعی شد با استفاده از سیستم پویایی متغیرها و خطای شبکه عصبیمصنوعی نشان داده شود و تحلیل رفتار آنها انجام گردد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، قابلیت اطمینان ، پویایی سیستم ، ضریب یادگیری