انتخاب بهینه مقاوم پارامترهای هندسی جداسازهای سایکلون با استفاده ازتحلیل احتمالاتی و هوش مصنوعی

در این مقاله بر روی جداسازهای سایکلون که بر اساس تابع هدف افت فشار، طرح بهینه آنها بدست آمده طراحی مقاوم انجام شده است. با بکارگیری تحلیل احتمالاتی در بهینه سازی چندهدفی به کمک الگوریتم ژنتیک تلاش ما بر این بوده با کمینه نمودن میانگین و واریانس تابع هدف فوق، به حالت بهینه و مقاوم با در نظر گرفتن نامعینی های موجود در واقعیت که در طرح نهایی و ساخت سایکلون موثر بوده، برسیم. در این پژوهش از روش شبیه سازی شبه مونت کارلو به دلیل اینکه بسیاری از محافظه کاری های سایر روش ها را نداشته و به خاطر در نظر گرفتن تابع توزیع احتمالاتی به واقعیت نزدیکتر بوده در بهینه سازی چندهدفی استفاده شده است. بدست آوردن چندین نقطه مختلف که تمام آنها از نظر میانگین و واریانس توابع هدف، نقاط بهینه محسوب می شوند از ویژگی های منحصر به فرد بکارگیری روش های بهینه سازی چندهدفی می باشد. طراح در برخورد با این نمودارها براحتی می تواند از بین چندین نقطه مختلف که هر یک از جهتی می توانند نقطهی مناسبی محسوب شوند آزادانه نقطه ای را بعنوان انجام طراحی انتخاب کند. در این تحقیق نقطه ی شکست در نمودار پارتو تابع هدف نشان داده شده و به طراح پیشنهاد می گردد در صورتی که هم کاهش میانگین و هم کاهش واریانس تابع هدف برایشان مهم است سعی کنند که طراحی را بر اساس این نقطه انجام دهند. در پایان، مقایسه ای بین نتایج حالت نامعین با معین صورت گرفته و تبیین این مقایسه، با ارایه یک مثال شاخص و معتبر آورده شده که نشان ازمقاوم بودن بالای نتایج این مقاله در برابر نامعینی های موجود در واقعیت دارد.