استفاده از روش های آماری و هوش مصنوعی جهت پیش بینی دینامیک احتراق در یک محفظه احتراق آزمایشگاهی با شعله پایدارشده چرخشی

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

 استفاده از روش های آماری و هوش مصنوعی جهت پیش بینی دینامیک احتراق در یک محفظه احتراق آزمایشگاهی با شعله پایدارشده چرخشی دارای ۲۵ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد استفاده از روش های آماری و هوش مصنوعی جهت پیش بینی دینامیک احتراق در یک محفظه احتراق آزمایشگاهی با شعله پایدارشده چرخشی  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 استفاده از روش های آماری و هوش مصنوعی جهت پیش بینی دینامیک احتراق در یک محفظه احتراق آزمایشگاهی با شعله پایدارشده چرخشی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن استفاده از روش های آماری و هوش مصنوعی جهت پیش بینی دینامیک احتراق در یک محفظه احتراق آزمایشگاهی با شعله پایدارشده چرخشی :

نام کنفرانس، همایش یا نشریه : سوخت و احتراق

تعداد صفحات :۲۵

در این مطالعه، ارتباط بین مقادیر سطح آلاینده NOx، سطح نویز تولیدشده و میزان نوسانات فشار در یک محفظه احتراق آزمایشگاهی، با کاربرد در توربین های گازی نیروگاهی، نسبت به تغییرات پارامترهایی همچون نسبت هم ارزی کلی محفظه (j) و میزان دبی پاشش سوخت ثانویه (Qsec)، با کمک دو روش داده کاوی مختلف بررسی شده است. پارامترهای سطح آلاینده NOx، سطح نویز و میزان نوسانات فشار تولیدشده در محفظه به عنوان مقادیر خروجی اندازه گیری شده از محفظه و همچنین پارامترهای نسبت هم ارزی کلی و دبی پاشش سوخت ثانویه به عنوان متغیرهای ورودی محفظه احتراق درنظر گرفته شدند. از شبکه عصبی پرسپترون (MLP) و روش پاسخ سطح (RSM) برای پیش بینی رابطه غیرخطی موجود بین پارامترهای ورودی و خروجی اندازه گیری شده محفظه احتراق استفاده شده است. آزمایش های مربوطه با به کارگیری چهار نوع انژکتور پاشش سوخت ثانویه، با ساختار هندسی و طراحی متفاوت، در شرایط نسبت هم ارزی کلی در محدوده ۰.۷~۰.۹ همراه با دبی های پاشش سوخت متفاوت در محدوده ۰.۶~۴.۲ لیتر بر دقیقه انجام پذیرفت. نتایج حاصل از پیش بینی پارامترها با دو روش داده کاوی مذکور نشان می دهند که این دو روش توانایی قابل قبولی در دستیابی به تطابق مناسب بین مقادیر اندازه گیری شده و پیش بینی شده پارامترهای خروجی محفظه احتراق دارند. البته نتایج حاکی از آن است که روش MLP نسبت به RSM توانایی بیشتری در پیش بینی پارامترهای احتراقی این مطالعه (سطح آلاینده NOx، سطح نویز تولیدشده و میزان نوسانات فشار) دارد.

کلید واژه: محفظه احتراق با شعله پایدارشده چرخشی، پاشش سوخت ثانویه، شبکه عصبی مصنوعی، پاسخ سطح مبتنی بر چندجمله ای