کاربرد شبکه های عصبی مصنوعی در مدل سازی عملیات جدایش
By
آیت الله درویشی، صمد بنیسی
Published in
پنجمین کنگره ملی و چهارمین کنگره بین المللی مهندسی شیمی ایران
at
1379
Direct link:
http://kmpchemmat.ir/pii/252675
Abstract
بهینه‌سازی، کنترل و ارزیابی عملیات‌ها و فرآیندهای مختلف مستلزم دردست‌داشتن یک مدل دقیق، مناسب و همه‌جانبه از فرآیند می‌باشد. برای ارائه چنین مدلی باید کلیه پارامترهای مؤثر در فرآیند شناسائی و تأثیر هم‌زمان این عوامل بر خروجی سیستم و بر یکدیگر به طور دقیق مشخص گردد. در رویارویی با فرآیندهای پیچیده‌ای که دارای چندین ورودی و خروجی می‌باشند، تعیین متغیرهای اصلی سیستم و درک روابط حاکم بر آنها نیاز به تحقیقات و مطالعات وسیع در خصوص رفتار دینامیکی فرآیند داشته و کاری وقت‌گیر می‌باشد. در چند سال اخیر شبکه‌های عصبی مصنوعی به‌منظور مدل‌سازی و شبیه‌سازی فرآیندهای مختلف مورداستفاده قرار گرفته‌اند که نتایجی قابل‌قبول و در بسیاری موارد به‌مراتب دقیق‌تر از سایر روش‌های مدل‌سازی را در پی داشته‌اند. در این مقاله ضمن معرفی شبکه‌های عصبی، ساختمان آنها باتوجه‌به شبکه پس انتشار (Back Propagation)، مورد بررسی قرار می‌گیرد. در ادامه از شبکه‌های پس انتشار به ترتیب جهت مدل‌سازی رفتار یک تابع ریاضی درجه‌دو، تعیین حد جدایش هیدروسیکلون و مدل‌سازی یک کارخانه فلوتاسیون به‌منظور تعیین عیار و بازیابی آن استفاده شده است. در هر مورد مقایسه نتایج به‌دست‌آمده از شبکه با جواب‌های محاسباتی و با اندازه‌گیری شده نشان داد که مدل ارائه شده از دقت بالایی برخوردار می‌باشد. هدف نهایی این بررسی، تشویق مهندسین صنایع فرآوری مواد معدنی جهت استفاده از شبکه‌های عصبی در کنترل و بهینه‌سازی فرآیندهای مربوطه می‌باشد.
Keywords
کلمات کلیدی در این بخش قرار می گیرند
|