ایوب ولی پوری - دانشکده مهندسی برق، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی
علیرضا یزدی زاده - دانشکده مهندسی برق، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی
حمیدرضا مهدیانی - دانشکده مهندسی برق، پردیس فنی و مهندسی شهید عباسپور، دانشگاه شهید بهشتی

تشخیص و جداسازی عیب و رسیدگی به موقع، یک امر بسیار مهم و حیاتی در کلیه ی سیستم ها، به خصوص سیستم های ایمنی-بحرانی است ودر صورت عدم رسیدگی به موقع ممکن است خسارات جبران ناپذیری به بار آید. در این مقاله با استفاده از شبکه های عصبی استاتیکی چند-لایه پرسپترون بهینه شده با الگوریتم ژنتیک، یک روش مبتنی بر داده، به منظور آشکارسازی و جداسازی عیب در توربین گازی V94.2 ارائه شده است که از یک مجموعه شبکه MLP به منظور شناسایی دینامیکهای غیرخطی توربین گازی استفاده میکند. در سیستم تشخیص عیب پیشنهادشده از دو نوع شبکه عصبی با ساختار متفاوت استفاده میشود، شبکه اول MLP دولایه بهینه شده و شبکه دوم MLP سه لایه بهینه شده با الگوریتم ژنتیک میباشدو در هر دوی آنها از سیگنالهای ماندهای که از مقایسه رفتار سیستم نامی و سیستم واقعی به دست میآید، استفاده شده و در نهایت عملکرد هر دو سسیستم با هم مقایسه میشود.

تشخیص عیب، شبکه ی عصبی، الگوریتم ژنتیک، توربین گازی