@article{ author = {عادل خسرویandعباس چتراییandغضنفر شاهقلیانandسید محمد کارگر}, title = {مدل‌سازی کمپرسور 250-K با استفاده از روش سری موازی نارکس و فازی سلسله‌مراتبی}, journal = {فصلنامه مهندسی برق و مهندسی کامپيوتر ايران}, volume = {18}, number = {81}, page = {191-198}, year = {1400}, publisher = {پژوهشکده برق جهاد دانشگاهی}, issn = {16823745}, eissn = {16823745}, doi = {}, abstract = {با توجه به افزایش روزافزون کاربرد کمپرسورها در صنعت، تعیین یک مدل ریاضی برای کمپرسور جهت طراحی سیستم کنترلی، تجزیه ‌و تحلیل و شبیه‌سازی کامپیوتری آن بسیار مهم است. همچنین در سال‌های اخیر مدل‌سازی‌های هوشمند نظیر شبکه عصبی و فازی به علت عملکرد واقع‌بینانه‌تر این مدل‌ها مورد توجه محققین قرار گرفته و از انواع آن برای مدل‌سازی استفاده ‌شده است. روش‌های هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین داده‌های ورودی و خروجی است. در این مقاله، مدل‌سازی کمپرسور 250 K- شرکت ذوب‌آهن اصفهان بر اساس مدل‌های هوشمند شبکه عصبی فازی رگرسیون خودکار غیر خطی با ورودی خارجی (نارکس) و شبکه فازی سلسله‌مراتبی ارائه ‌شده است. جهت مدل‌سازی، سیستم مورد آزمایش قرار گرفته است و داده‌های ورودی و خروجی کمپرسور با استفاده از سنسورهای موجود در کمپرسور و پردازش تصویر برای تبدیل‌کردن داده‌ها به داده مورد نیاز در مدل‌سازی استفاده می‌شوند. سپس الگوریتم‌های نارکس و فازی سلسله‌مراتبی مدل کمپرسور با استفاده از نرم‌افزار Matlab تعیین می‌شود. نتایج شبیه‌سازی ارائه‌شده از مدل‌سازی، برازش بهتری برای نارکس نسبت به فازی سلسله‌مراتبی را نشان می‌دهد. از بین دو مدل ارائه‌‌شده در این مقاله مدل نارکس در بردار رگرسیون و خطای گوسی، پاسخ بهتری نسبت به شبکه فازی سلسله‌مراتبی ارائه می‌کند.}, keywords = {CompressorNARXhierarchical modelmodeling}, title_fa = {مدل‌سازی کمپرسور 250-K با استفاده از روش سری موازی نارکس و فازی سلسله‌مراتبی}, abstract_fa = {با توجه به افزایش روزافزون کاربرد کمپرسورها در صنعت، تعیین یک مدل ریاضی برای کمپرسور جهت طراحی سیستم کنترلی، تجزیه ‌و تحلیل و شبیه‌سازی کامپیوتری آن بسیار مهم است. همچنین در سال‌های اخیر مدل‌سازی‌های هوشمند نظیر شبکه عصبی و فازی به علت عملکرد واقع‌بینانه‌تر این مدل‌ها مورد توجه محققین قرار گرفته و از انواع آن برای مدل‌سازی استفاده ‌شده است. روش‌های هوشمند دارای قابلیت بالایی برای برقراری ارتباط بین داده‌های ورودی و خروجی است. در این مقاله، مدل‌سازی کمپرسور 250 K- شرکت ذوب‌آهن اصفهان بر اساس مدل‌های هوشمند شبکه عصبی فازی رگرسیون خودکار غیر خطی با ورودی خارجی (نارکس) و شبکه فازی سلسله‌مراتبی ارائه ‌شده است. جهت مدل‌سازی، سیستم مورد آزمایش قرار گرفته است و داده‌های ورودی و خروجی کمپرسور با استفاده از سنسورهای موجود در کمپرسور و پردازش تصویر برای تبدیل‌کردن داده‌ها به داده مورد نیاز در مدل‌سازی استفاده می‌شوند. سپس الگوریتم‌های نارکس و فازی سلسله‌مراتبی مدل کمپرسور با استفاده از نرم‌افزار Matlab تعیین می‌شود. نتایج شبیه‌سازی ارائه‌شده از مدل‌سازی، برازش بهتری برای نارکس نسبت به فازی سلسله‌مراتبی را نشان می‌دهد. از بین دو مدل ارائه‌‌شده در این مقاله مدل نارکس در بردار رگرسیون و خطای گوسی، پاسخ بهتری نسبت به شبکه فازی سلسله‌مراتبی ارائه می‌کند.}, keywords_fa = {شناسایی سیستمکمپرسورفازی سلسله‌مراتبینارکسمدل‌سازی}, URL = {rimag.ir/fa/Article/28549}, eprint = {rimag.ir/fa/Article/Download/28549},