ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

شناسایی تابع عملکرد چیلر جذبی دواثره جریان موازی به کمک شبکه های عصبی مصنوعی

سال انتشار: 1386
کد COI مقاله: ISME15_213
زبان مقاله: فارسیمشاهد این مقاله: 1,698
فایل این مقاله در 6 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 6 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله شناسایی تابع عملکرد چیلر جذبی دواثره جریان موازی به کمک شبکه های عصبی مصنوعی

سیدمحمدابراهیم درخشانی - کارشناسی ارشد، دانشگاه علم و صنعت ایران، دانشکده مهندسی مکانیک
سیدمصطفی حسینعلی پور - کارشناسی ارشد، دانشگاه علم و صنعت ایران، دانشکده مهندسی مکانیک
محمدمهدی عارفی - کارشناسی ارشد، دانشگاه علم و صنعت ایران، دانشکده مهندسی مکانیک

چکیده مقاله:

بهینه سازی چیلرهای جذبی به علت عدم دسترسی به توابع عملکرد آنها کار بسیار مشکلی است. در این مقاله جهت حل این مشکل از شبکه عصبی جهت شناسایی تابع عملکرد یک چیلر جذبی دو اثره جریان موازی با ظرفیت 350kw استفاده شده است. به کمک شبکه عصبی، رابطه ای تحلیلی برای ضریب عملکرد چیلر جذبی و بار حرارتی کندانسور بر حسب برخی از پارامترهای مهم داخلی نظیر دبی محلول، نسبت گردش محلول، غلظت محلول و نسبت توزیع محلول به دست آمده است. جهت شناسایی تابع عملکرد چیلر از یک شبکه عصبی پرسپترون دو لایه استفاده شده است. مقادیر مورد نیاز جهت اموزش و تست شبکه عصبی، از مدلسازی ترمودینامیکی سیکل عملکرد چیلر جذبی بدست امده اند. نتایج شبیه سازی نشان میدهند که شبکه عصبی طراحی شده برای داده های تست دقت بسیار مناسبی داشته و می توان از پارامترهای بدست امده برای اهداف دیگر مانند بهینه سازی چیلر استفاده نمود.

کلیدواژه ها:

چیلر جذبی دو اثره جریان موازی، شبکه های عصبی

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/28853/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
درخشانی، سیدمحمدابراهیم و حسینعلی پور، سیدمصطفی و عارفی، محمدمهدی،1386،شناسایی تابع عملکرد چیلر جذبی دواثره جریان موازی به کمک شبکه های عصبی مصنوعی،پانزدهمین کنفرانس سالانه مهندسی مکانیک،تهران،،،https://civilica.com/doc/28853

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1386، درخشانی، سیدمحمدابراهیم؛ سیدمصطفی حسینعلی پور و محمدمهدی عارفی)
برای بار دوم به بعد: (1386، درخشانی؛ حسینعلی پور و عارفی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 ممقالهقاله لینک شده اند :

  • . Kalogirou SA, Panteliou S, Dentsoras A. Artificial neural -networks ...
  • . Chow TT, Zhang GQ, Lin Z, Song CL. Global ...
  • . Kalogirou SA, Panteliou S, Dentsoras A. Modeling of solar ...
  • . Kalogirou SA, Neocleous CS, Schizas CN.Artificial neural -networks for ...
  • . Kalogirou SA, Bojic M. Artificial neural-netwo rks for the ...
  • . Pacheco-Vega A, Sen M, Yang KT, McClain RL. Neural ...
  • h eat-exchanger with limited experimental data. Int J Heat Mass ...
  • . Palau A, Velo E, Puigjaner L. Use of neural ...
  • . Chouai A, Laugier S, Richon D. Modeling of th ...
  • . Sharma R, Singhal D, Ghosh R, Dwivedi A. Potential ...
  • . Bechtler H, Browne MW, Bansal PK, Kecman V. New ...
  • . Sencan A., Kemal A., Yakuta S., Soteris E., Kalogiroub ...
  • . Sencan A., Artificial intelligent methods for thermodynami c evaluation ...
  • A mmonia-wate r refrigeration systems Energy C O nvers ion&Man ...
  • . Bechtler H., Browne M.W., Bansal P.K., Kecman V., New ...
  • . Sozen A., Arcaklioglu E., Ozalp M., A new approach ...
  • Of Ej ector-ab sorption cycle: artificial neural networks. Appl. Thermal ...
  • . Palau A., Velo E., Puigjaner L. Use of neural ...
  • . Chouai A., Laugier S., Richon D. Modeling of th ...
  • . Kaita Y. Thermodynami c Properties of Lithium B romide-Water ...
  • . Iyoki S., Tanaka K., and Uemura T., Theoretical performance ...
  • . Hagan M.T. and Menhaj M., Training feed forward networks ...
  • . Haykin S, Neural Networks: A Comprehen sive Foundation, Prentice ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش 1 مقاله استفاده شده است.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 21,689
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی