تلفن: ۰۴۱۴۲۲۷۳۷۸۱
تلفن: ۰۹۲۱۶۴۲۶۳۸۴

دانلود ترجمه مقاله کنترل فرایند اسید شویی فولاد با مدل شبکه عصبی – مجله الزویر

عنوان فارسی: کنترل پیش بینانه بر پایه ی مدل شبکه ی عصبی برای فرایند پیکلینگ فولاد
عنوان انگلیسی: Neural network based model predictive control for a steel pickling process
تعداد صفحات مقاله انگلیسی : 12 تعداد صفحات ترجمه فارسی : 24
سال انتشار : 2009 نشریه : الزویر - Elsevier
فرمت مقاله انگلیسی : PDF فرمت ترجمه مقاله : ورد تایپ شده
کد محصول : 3273 رفرنس : دارد
محتوای فایل : zip حجم فایل : 2.04Mb
رشته های مرتبط با این مقاله: شیمی و مهندسی مواد
گرایش های مرتبط با این مقاله: خوردگی و حفاطت از مواد، خوردگی و پوشش و سطح مهندسی، شیمی آلی و شیمی تجزیه
مجله: کنترل فرآیند
دانشگاه: دانشکده مهندسی شیمی، دانشگاه Chulalongkorn، بانکوک، تایلند
کلمات کلیدی: کنترل پیش بینی مدل، شبکه عصبی پیشخور، سیستم های چند متغیره، فرایند ترشی فولاد
وضعیت ترجمه عناوین تصاویر و جداول: ترجمه شده است
وضعیت ترجمه متون داخل تصاویر و جداول: ترجمه شده است
وضعیت فرمولها و محاسبات در فایل ترجمه: به صورت عکس، درج شده است
ترجمه این مقاله با کیفیت عالی آماده خرید اینترنتی میباشد. بلافاصله پس از خرید، دکمه دانلود ظاهر خواهد شد. ترجمه به ایمیل شما نیز ارسال خواهد گردید.
فهرست مطالب

چکیده

۱ مقدمه

۲ شرح فرایند

۳ مدل سازی شبکه ی عصبی

۳ ۱ روند برای بدست آوردن مدلهای شبکه ی عصبی فیدفروارد

۴ کنترل پیش بینانه مدل شبکه ی عصبی

۵ نتایج شبیه سازی

۶ نتیجه گیری

نمونه متن انگلیسی

abstract

A multi-layer feedforward neural network model based predictive control scheme is developed for a multivariable nonlinear steel pickling process in this paper. In the acid baths three variables under controlled are the hydrochloric acid concentrations. The baths exhibit the normal features of an industrial system such as nonlinear dynamics and multi-effects among variables. In the modeling, multiple input, singleoutput recurrent neural network subsystem models are developed using input–output data sets obtaining from mathematical model simulation. The Levenberg–Marquardt algorithm is used to train the process models. In the control (MPC) algorithm, the feedforward neural network models are used to predict the state variables over a prediction horizon within the model predictive control algorithm for searching the optimal control actions via sequential quadratic programming. The proposed algorithm is tested for control of a steel pickling process in several cases in simulation such as for set point tracking, disturbance, model mismatch and presence of noise. The results for the neural network model predictive control (NNMPC) overall show better performance in the control of the system over the conventional PI controller in all cases.

نمونه متن ترجمه

چکیده

در این مقاله، یک برنامه ی کنترلی پیش بینانه بر پایه ی مدلی از شبکه ی عصبی فیدفروارد چند لایه برای فرایند غیرخطی چند متغیره ی پیکلینگ فولاد به کار برده شده است. در حمام های اسید، سه متغیری که تحت کنترل می باشد، همان غلظت های هیدروکلریک اسید می باشد. این حمام ها ویژگی های عادی و معمولی یک سیستم صنعتی از قبیل دینامیک غیرخطی و تاثیرات چندتایی مابین متغیرها را نشان می دهد. در این مدل سازی، چندین ورودی، مدل های زیر سیستمی شبکه ی عصبی بازگشت کننده تک خروجی، که با استفاده از داده های ورودی- خروجی شبیه سازی مدل ریاضی بدست آمده اند، توسعه داده شده اند. الگوریتم لونبرگ-مارکوآرت برای آموزش دادن مدل های فرایند استفاده شده است. در الگوریتم کنترل، مدل های شبکه ی عصبی فیدفروارد برای پیش بینی متغیرهای حالت در درون الگوریتم کنترل پیش بینانه استفاده شده است تا عمل های بهینه ی کنترلی از طریق برنامه نویسی رشته ای چهارگانه پیدا شود. الگوریتم مطرح شده برای فرایند پیکلینگ فولاد در چندین حالت شبیه سازی امتحان شده است، این حالت های امتحان شده عبارتند از: دنتال کردن نقطه ی تنظیم شده، آشفتگی در درون سیستم، عدم تطابق مدل و در حضور اختلال. نتایج برای کنترل پیش-بینانه مدل شبکه ی عصبی کلی عملکرد بهتر در کنترل سیستم را نسبت به کنترلر PI در همه ی حالت ها نشان می دهد.

نحوه خرید نسخه پاورپوینت این مقاله