مدلسازی خنککنندههای جریان مخالف تبخیری نقطهشبنم برداشتکننده از هوای محصول با استفاده از شبکه عصبی
- سال انتشار: 1394
- محل انتشار: نخستین کنفرانس بین المللی تهویه مطبوع و تاسیسات حرارتی و برودتی
- کد COI اختصاصی: HVACCONF01_077
- زبان مقاله: فارسی
- تعداد مشاهده: 806
نویسندگان
دانشجوی کارشناسی ارشد مهندسی سیستمهای انرژی، دانشگاه صنعتی خواجه نصیرالدین طوسی
کارشناس مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
کارشناس مهندسی مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
دانشیار گروه مهندسی سیستمهای انرژی، دانشگاه صنعتی خواجه نصیرالدین طوسی
چکیده
در این پژوهش، ابتدا خنک کننده های تبخیری جریان مخالف تبخیری نقطه شبنم برداشت کننده از هوای محصول معرفی گردیده اند. سپس بر روی عوامل موثر بر روی عملکرد آن ها بحث شده و با انتخاب دمای خروجی از خنک کننده به عنوان پارامتر خروجی، مدل سازی با طراحی و تنظیم شبکه عصبی مناسب صورت گرفته است. طبق نتایج به دست آمده، شبکه ای سه لایه، با 15 نورون در لایه پنهان اول، 8 نورون در لایه پنهان دوم و 1 نورون در لایه خروجی و با توابع تبدیل خطی، اشباع خطی متقارن و خطی به صورت مناسب عملکرد سیستم را پیش بینی می نماید. در انتها نتایج شبکه عصبی برای یک نمونه تجربی و یک نمونه عددی به دست آورده شده است. مطابق مقایسه انجام گردیده، شبکه، داده های مربوط به نمونه های تجربی و عددی را با میانگین و انحراف معیار خطای به ترتیب 53/14% و 09/2% و 77/5% و 02/3% پیش بینی می نماید. بنابراین مدل سازی به کمک شبکه عصبی می تواند در مقایسه با شبیه سازی های عددی که پیچیده و زمان بر هستند و آزمایش های تجربی که مستلزم ساخت دستگاه و صرف هزینه می باشند، به عنوان روشی کارا به کار رودکلیدواژه ها
مدل سازی، خنک کننده جریان مخالف نقطه شبنم، برداشت کننده از هوای محصول، شبکه عصبی، مقایسهمقالات مرتبط جدید
- بهینه سازی مدیریت انرژی در ریزشبکه ها با استفاده از الگوریتم های هوش مصنوعی
- مبانی، کاربردها و چالشهای یادگیری مشارکتی و تحلیل تجربی و مقایسه ابزارهای یادگیری فدرالی در پیاده سازی مدلهای یادگیری ماشین
- راهکارهای مبتنی بر هوش مصنوعی برای بهره وری انرژی در تولید سیمان: یک بررسی جامع
- معماری اینترنت اشیا مبتنی بر هوش مصنوعی در مدیریت انرژی هوشمند
- سیستم های EMS/BMS در ساختمان های ZEB و نمونههای اجرا شده آن در سطح جهانی
اطلاعات بیشتر در مورد 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.