مدل های سیستم استنتاج عصبی- فازی تطبیقی برای پیش بینی روند جدایش انرژی در لوله های گردابه ای با استفاده از تابع مطلوبیت

لوله گردابه ای یکی از سیستم های سرمایشی بسیار پرکاربرد در صنعت است. بررسی تاثیر کلیه متغیرهای ورودی بر اختلاف دمای خروجی سرد در حالت آزمایشگاهی، زمان بر و پرهزینه است. به همین منظور در کار حاضر سعی شده تا با استفاده از روش سیستم استنتاج عصبی- فازی تطبیقی تاثیر کلیه متغیرهای ورودی بر اختلاف دمای هوای خروجی سرد و هوای ورودی، مدل سازی و پیش بینی شود. روش سیستم استنتاج عصبی- فازی تطبیقی، با سه ساختار سیستم استنتاج فازی به نام های الگوریتم خوشه بندی کاهشی، خوشه بندی اختیاری و منقطع سازی شبکه ای با چهار نوع تابع عضویت ورودی مثلثی، گاوسی، زنگوله ای و شبه پی طراحی شد. برای آموزش و آزمون مدل، از ۳۲۶ داده آزمایشگاهی استفاده شد. مقایسه مدل های توسعه یافته با استفاده از پارامترهای آماری ضریب همبستگی، میانگین انحراف نسبی مطلق، انحراف استاندارد و خطای مربع میانگین ریشه همراه با تابع مطلوبیت کلی انجام شد. نتایج نشان داد که الگوریتم منقطع سازی شبکه ای با تابع عضویت ورودی نوع شبه پی با دارابودن بیشترین مقدار ضریب همبستگی و کمترین مقدار خطای مربع میانگین ریشه برای داده های آزمون با مقادیر ۰/۹۹۷۵ و ۰/۴۱۹۹ و مقدار تابع مطلوبیت کلی۰/۷۱ بهترین روش برای پیش بینی اختلاف دمای خروجی سرد است. با استفاده از روش فوق، بهینه ترین حالت عملکرد لوله گردابه ای جهت کاربردهای صنعتی استفاده از ۳ یا ۶ عدد نازل، محدوده فشار ۰/۵۵ تا ۰/۶ مگاپاسکال و زاویه نازل ۲۰ تا ۳۰درجه و جهت کاربردهای آزمایشگاهی تعداد ۶ نازل، محدوده فشار ۰/۵۵ تا ۰/۶مگاپاسکال و زاویه نازل ۲۵ تا ۳۵درجه به دست آمد.

کلیدواژه ها:

ANFIS ، Artificial Neural Network ، Vortex Tube ، ANFIS ، شبکه های عصبی مصنوعی ، لوله گردابه ای