مقاله بهینه سازی چند هدفه پره با انتقال حرارت دو بعدی با استفاده از شبکه های عصبی و الگوریتم ژنتیک

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

  مقاله بهینه سازی چند هدفه پره با انتقال حرارت دو بعدی با استفاده از شبکه های عصبی و الگوریتم ژنتیک دارای ۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله بهینه سازی چند هدفه پره با انتقال حرارت دو بعدی با استفاده از شبکه های عصبی و الگوریتم ژنتیک  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله بهینه سازی چند هدفه پره با انتقال حرارت دو بعدی با استفاده از شبکه های عصبی و الگوریتم ژنتیک،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله بهینه سازی چند هدفه پره با انتقال حرارت دو بعدی با استفاده از شبکه های عصبی و الگوریتم ژنتیک :

تعداد صفحات:۸

چکیده:

در مقاله حاضر پره با انتقال حرارت دو بعدی در دو جهت طولی وعرضی مدل سازی و بهینه شده است. از منحنی های بزیر بمنظور تعیین هندسه پره استفاده شده است. تحلیل انتقال حرارت به صورت حجم محدود صورت پذیرفته است و میزان انتقال حرارت از پره و کارایی به عنوان دو تابع هدف در نظر گرفته شده اند. همچنین عرض چهار نقطه در جهت عرضی پره با طول هایی مشخص به عنوان چهار متغیر در نظر گرفته شده است و بهینه سازی چند هدفه به منظور بدست آوردن حداکثر حرارت دفع شده از پره و کارایی به صورت همزمان انجام گرفته است. از آنجا که ارزیابی تعداد زیادی از هندسه های مختلف پره کاری وقت گیر است، ابتدا سعی شده که فرمولی بسته به منظور مرتبط ساختن متغیر ها به توابع هدف توسط شبکه های عصبی بدست آورده شود. سپس الگوریتم ژنتیک چند هدفه بهبود یافتهNSGA-II) برای بدست آوردن مجموعه ای از نقاط بهینه بنام جبهه پارتو بکار گرفته شده است. نتایج حاصله توسط این جبهه بوضوح تعارض بین دو تابع هدف را در نقاط بهینه نشان می دهد. این جبهه به ازای کارایی های مختلف، هندسه پره ای که بیشینه انتقال حرارت را دارد، نشان می دهد. به منظور اعتبار سنجی روش حل، میزان خطای حاصله از بقای انرژی برای نقاط بهینه جبهه پارتو بدست آورده شده است که میزان آن در بین ۳.۵ تا ۶ درصد بدست آمد که برای مسائل مهندسی قابل قبول است.