شبیه سازی کمپرسور با استفاده از شبکه عصبی مصنوعی

پایان نامه
  • وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - پژوهشکده فنی و مهندسی
  • نویسنده صیدمحمد جمشیدی
  • استاد راهنما حمدی عبدی
  • تعداد صفحات: ۱۵ صفحه ی اول
  • سال انتشار 1388
چکیده

چکیده ندارد.

۱۵ صفحه ی اول

برای دانلود 15 صفحه اول باید عضویت طلایی داشته باشید

اگر عضو سایت هستید لطفا وارد حساب کاربری خود شوید

منابع مشابه

شبیه سازی کمپرسور با استفاده از شبکه عصبی مصنوعی

کمپرسور گریز از مرکز یکی از انواع کمپرسورهایی است که در صنعت استفاده فراوان داشته و وظیفه افزایش فشار سیال (گاز) را بعهده دارد این وسیله مکانیکی توسط توربین های گازی یا توربین های بخار و یا موتورهای الکتریکی بحرکت در آمده و فشار سیال ورودی را در خروجی افزایش می دهد، عمل شبیه سازی کردن پارامترهای اصلی پروسسی و کنترلی یکی از روشهای بسیار مهم در تعیین و بررسی رفتار این نوع کمپرسورها می باشد. روند ...

شبیه سازی شوری آب زیرزمینی با استفاده از شبکه عصبی مصنوعی(ANN) در سواحل استان مازندران

چکیده امروزه یکی از مسائل محدود کننده در بحث تأمین آب، مسئله کیفیت آب است. اندازه گیری پارامتر های کیفی آب زیر زمینی مستلزم صرف  هزینه های زیاد و زمان بر می باشد. برآورد پارامترهای کیفی آب با استفاده از مدل ها موجب کاهش هزینه ها و دسترسی به آمار جامعی برای مدیریت منابع آب خواهد شد.  در این تحقیق از  شبکه عصبی مصنوعی (ANN) برای شبیه سازی شوری آب زیرزمینی در سواحل استان مازندران استفاده شد. بدین ...

متن کامل

شبیه سازی الگوی توزیع نیترات در سیستم آبیاری قطره ای با استفاده از شبکه عصبی مصنوعی

استفاده بیش از حد نیترات می­تواند منجر به آلودگی منابع آب زیرزمینی شود. بنابراین دانش دقیق از توزیع نیترات در ناحیه توسعه ریشه به­منظور طراحی و مدیریت سیستم­های آبیاری قطره­ای ضروری است. در این تحقیق به­منظور مدل­سازی الگوی توزیع نیترات از شبکه عصبی مصنوعی استفاده گردید. زیرا این تکنیک به­دلیل الگوی تشخیص قوی، روابط منطقی بین پارامترهای ورودی و خروجی برقرار می­کند. در این تحقیق، به­منظور شبیه­س...

متن کامل

شبیه سازی بارش- رواناب با استفاده از شبکه عصبی مصنوعی(مورد: حوضه آبخیز فریدن)

سیل، یکی از پدیده‌های ویرانگر طبیعی است که پیش‌بینی آن از اهمیت بالایی برخوردار است و در این میان برآورد بارش- رواناب به دلیل تأثیرگذاری عوامل مختلف، دشوار است. در این پژوهش با استفاده از شبکه پرسپترون چند لایه(MLP)، قانون یادگیری پس‌انتشار خطا(BP)، الگوریتم لونبرگ- مارکوارت(LM) و معیارهای RMSE و R2 جهت کارایی مدل، 6 سناریو تعریف گردید. بررسی حالات مختلف نشان داد که بهترین مدل شبکه عصبی جهت شبی...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه رازی - پژوهشکده فنی و مهندسی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023