به کارگیری شبکه نوروفازی جهت بهینه سازی حلقه های انبساط خط لوله بخار در صنایع فرآیندی

در این پژوهش، بهینه سازی حلقه های انبساط در خطوط لوله بخار با بهره گیری از شبکه نوروفازی بررسی شده است. تحلیل تنش بر اساس استاندارد ASME B۳۱.۳ و با استفاده از نرم افزار CAESAR II انجام شده است. همچنین، شبکه نوروفازی در نرم افزار MATLAB ایجاد و بهینه سازی گردیده است. نتایج نشان می دهد که شبکه نوروفازی نسبت به روش های سنتی و شبکه عصبی پرسپترون (Perceptron) عملکرد بهتری داشته و ترکیب آن با الگوریتم کلونی زنبور عسل (Bee Colony Algorithm) منجر به یافتن حلقه بهینه ای شده است که کاهش طول خط لوله و به حداقل رسیدن تنش های استاتیکی و حرارتی را در پی دارد. حلقه بهینه شبکه پرسپترون باعث افزایش طول حلقه به میزان ۲۰ سانتی متر (۱۴/۱ درصد) و کاهش مجموع تنش های معیار به میزان ۶/۱۴  درصد شد. در حالی که حلقه بهینه شبکه نوروفازی موجب کاهش طول حلقه به میزان ۱۲۰ سانتی متر (۷۸/۶ درصد) و کاهش مجموع تنش های معیار به میزان ۵/۹ درصد گردید. یافته های این پژوهش نشان می دهد که استفاده از روش های هوش مصنوعی در طراحی حلقه های انبساط، موجب کاهش تنش های حرارتی و افزایش کارایی طراحی می شود

کلیدواژه ها:

Optimization ، Expansion Loop ، Neuro-Fuzzy Network ، CAESAR II ، Bee Colony Optimization ، هینه سازی ، حلقه انبساط ، شبکه نوروفازی ، نرم افزار CAESAR II ، الگوریتم کلونی زنبور عسل