در اين مقاله از الگوريتم ژنتيكبراي بهينه سازي چند هدفي مكانيزم چهارلينكي يك ماشين نشاكار برنج در پيمودن مسير مورد نياز كاشت توسط انگشتي (چنگال) ماشين استفاده شده است. براي مسير فوق دو تابع هدف خطاي پيمايش و زاويه انتقال بطور همزمان بهينه مي شوند. به ...
در اين تحقيق، مدل توربين–گاورنر و بويلر همراه آن براي يك نيروگاه بخار استخراج و يك سيستم كنترل كننده تناسبي-انتگرالي- مشتقي 1 كلاسيك براي مدل در نظر گرفته شده است. در اين موردفشار گلوگاه قبل توربين به عنوان تابع ورودي خطا انتخاب مي شود. ماكزيمم درصد فراجهش و زمان نشست براي شدت احتراق و فشار گلوگاه بسيار حائز اهميت هستند. در اين راستا توابع خطاي مطلق نمودارهاي شدت احتراق و فشار گلوگاه به عنوان توابع هدف انتخاب شده اند. منحني پارتو بر اساس توابع هدف حاصل شده است كه پارامترهاي كنترلر براي داشتن يك عملكرد بهتر با كمك اين منحني تعيين شده اند. نتايج براي عملكرد تحت دو بار مختلف نيروگاهي با هم مقايسه مي شود
چكيده :
الگوريتم هاي ژنتيك يكي از الگوريتم هاي جستجوي تصادفي است كه ايده آن برگرفته از طبيعت مي باشد . نسل هاي موجودات قوي تر بيشتر زندگي مي كنند و نسل هاي بعدي نيز قوي تر مي شوند به عبارت ديگر طبيعت افراد قوي تر را براي زندگي بر مي گزيند. در طبيعت از تركيب كروموزوم هاي بهتر ، نسل هاي بهتري پديد مي آيند . در اين بين گاهي اوقات جهش هايي نيز در كروموزوم ها روي مي دهد كه ممكن است باعث بهتر شدن نسل بعدي شوند. الگوريتم ژنتيك نيز با استفاده از اين ايده اقدام به حل مسائل مي كند . الگوريتم هاي ژنتيك در حل مسائل بهينه سازي كاربرد فراواني دارند.
مسئله ي كاهش آلاينده هاي Cox ، NOx و Sox در كوره هاي صنعتي ، يكي از مسائل بهينه سازي مي باشد، كه هدف آن بهينه كردن عملكرد كوره هاي احتراقي بر حسب پارامترهاي درصد هواي اضافي (E) و دماي هواي خروجي از پيش گرمكن (T) ، به منظور كاهش ميزان آلاينده هاي توليد شده در اثر انجام عمليات احتراق است.
در اين پايان نامه ابتدا مروري بر مفاهيم مقدماتي الگوريتم هاي ژنتيك كرده سپس مشخصات كلي مسئله عنوان مي شود، در انتها مسئله ي مورد نظر توسط الگوريتم ژنتيك اجرا و نتايج آن با روش تابع پنالتي مقايسه مي شود.
تعداد صفحات 101 word
فهرست مطالب
فصل اول - مقدمه
1-1- مقدمه
فصل دوم - مقدمه اي بر الگوريتم ژنتيك
2-6-1- جمعيت
2-6-2- كدگذاري
2-6-2-1- كدگذاري دودويي
2-6-2-2- كدگذاري مقادير
2-6-2-3- كدگذاري درختي
2-6-3- عملگرهاي الگوريتم ژنتيك
2-6-3-1- fitness (برازش)
2-6-3-2- selection (انتخاب)
2-6-3-3- crossover (تركيب)
2-6-3-4- mutation (جهش)
2-7-1- برتري ها و ضعف هاي الگوريتم ژنتيك
2-7-2- نكات مهم در الگوريتم هاي ژنتيك
2-7-3- نتيجه گيري
فصل سوم - كاهش اثرات زيست محيطي آلاينده هاي Cox، NOx و SOx در كوره ها...........
فصل چهارم - توضيحاتي در رابطه با gatool نرم افزار مطلب................
فصل پنجم – نتايج..................................
فهرست مراجع......................
فهرست شكل
2-1- مراحل الگوريتم ژنتيك
2-2- مثالي از كروموزوم ها به روش كدگذاري دودويي
2-3- مثالي از كروموزوم ها با استفاده از روش كدگذاري مقادير
2-4- انتخاب چرخ رولت
2-5- تركيب تك نقطه اي
2-6- تركيب دو نقطه اي
2-7- تركيب يكنواخت
2-8- وارونه سازي بيت
2-9- تغيير ترتيب قرارگيري
2-10- تغيير مقدار
3-1- نماي برنامه ي كامپيوتري
3-2- عمليات برازش براي توليد NO در مقايسه با نتايج اصلي در احتراق گازوئيل
4-1- نماي gatool نرم افزار مطلب
5-1- نماي gatool ، Cox براي گاز طبيعي
5-2- نمودارهاي Best fitness و Best individual آلاينده ي Cox براي گاز طبيعي
5-3- نماي gatool ، NOx براي گاز طبيعي
5-4- نمودارهاي Best fitness و Best individual آلاينده ي NOx براي گاز طبيعي
5-5- نماي gatool ، Cox + NOx براي گاز طبيعي
5-6- نمودارهاي Best fitness و Best individual مجموع آلاينده هاي Cox و NOxبراي گاز طبيعي
5-7- نماي gatool ، Cox براي گازوئيل
5-8- نمودارهاي Best fitness و Best individual آلاينده ي Cox براي گازوئيل
5-9- نماي gatool ، NOx براي گازوئيل
5-10- نمودارهاي Best fitness و Best individual آلاينده ي NOx براي گازوئيل
5-11- نماي gatool ، Sox براي گازوئيل
5-12- نمودارهاي Best fitness و Best individual آلاينده ي Sox براي گازوئيل
5-13- نماي gatool ، Cox + NOx براي گازوئيل
5-14- نمودارهاي Best fitness و Best individual مجموع آلاينده هاي Cox و NOx براي گازوئيل
5-15- نماي gatool ، Cox+NOx+Sox براي گازوئيل
5-16- نمودارهاي Best fitness و Best individual مجموع آلاينده هاي Cox و NOx وSOx براي گازوئيل
5-17- نماي gatool ، Cox براي نفت كوره
5-18- نمودارهاي Best fitness و Best individual آلاينده ي Cox براي نفت كوره
5-19- نماي gatool ، NOx براي نفت كوره
5-20- نمودارهاي Best fitness و Best individual آلاينده ي NOx براي نفت كوره
5-21- نماي gatool ، Sox براي نفت كوره
5-22- نمودارهاي Best fitness و Best individual آلاينده ي SOx براي نفت كوره
5-23- نماي gatool ، Cox + NOx براي نفت كوره
5-24- نمودارهاي Best fitness و Best individual مجموع آلاينده هاي Cox و NOx براي نفت كوره
5-25- نماي gatool ، COx+NOx+SOx براي نفت كوره
5-26- نمودارهاي Best fitness و Best individual مجموع آلاينده هاي COx و NOx و SOx براي نفت كوره
فهرست جدول
3-1- تغيير نرخ توليد (mole/hr) NO در اثر تغيير دماي هوا و درصد هواي اضافي........
3-2- تشكيل تابع هدف براي گاز طبيعي....................
3-3- تشكيل تابع هدف براي گازوئيل...............................................
3-4- تشكيل تابع هدف براي نفت كوره..........................
5-1- مقايسه نتايج تابع پنالتي و الگوريتم ژنتيك................................
با استفاده از روش هيدروفرمينگ ميتوان قطعات مخروطي را دريك مرحله و با كيفيت مناسب ايجاد نمود. مهمترين پارامتر در روش هيدروفرمينگ مسير فشار است. در اين مقاله به كمك شبيه سازياجزاي محدود، شبكه هاي عصبي و الگوريتم ژنتيك پارامترهاي ربوط به مسير فشار در فرآيند هيدروفرمينگ قطعه مخروطي بهينه شده است. هدف از بهينه سازي دستيابي به ماكزيمم ضخامت درنقطه بحراني يعني در نقطهاي كه كمترين ضخامت در آن بوجود ميآيد، است در حالي كه قطعه شكل قابل قبولي داشته باشد. در ابتدا مدل اجزاي محدود با استفاده از نتايج آزمايشگاهي اعتباربخشيشد سپس به كمك شبكه عصبي رابطه بين متغيرهاي ورودي و خروجي به دست آمد و الگوريتم ژنتيك بر مبناي شبكه عصبي جهت بدست آوردن پارامترهاي ورودي بهينه به كار گرفته شد. نتايج نشان داده است كه تطابق خوبي بين مقادير پيشبيني شده توسط الگوريتم ژنتيك بر مبناي شبكه عصبي و شبيه سازي اجزاي محدود وجود دارد. با بكارگيري منحني بهينه پيشبيني شده، توزيع ضخامتيكنواختي در محصول نهايي بوجود آمده است
امروزه يكي از مهمترين زمينه‌هاي تحقيق و پژوهش، توسعۀ روش‌هاي جستجو بر مبناي اصول تكامل طبيعي مي‌باشد. در محاسبات تكاملي به صورت انتزاعي از مفاهيم اساسي تكامل طبيعي در راستاي جستجو براي يافتن راه حلّ بهينه براي مسائل مختلف الهام گرفته شده است. در همين راستا مطالبي كه در اين فصل پيش روي شما پژوهندۀ گرامي قرار خواهد گرفت مفاهيمي دربارۀ علم كامپيوتر و علم ژنتيك مانند: الگوريتم و انواع آن، جستجو، هيوريستيك، تاريخچه الگوريتم ژنتيك و علم ژنتيك، ژن، كروموزوم، ارث بري و... مي باشد، و يا به بياني خلاصه‌تر ميتوان گفت: در اين فصل به بيان مقدّمات خواهيم پرداخت.
انشاءالله مطالعۀ اين فصل مفهومي ساده و روشن از موضوعِ اين نوشتار را براي شما خوانندۀ محترم به تصوير خواهد كشيد و شما را در درك آسان و سريع فصول بعدي ياري خواهد رساند.
در اين كتاب بهينه سازي به روش الگوريتم ژنتيك در نرم افزار متلب آموزش داده شده است. كتاب داراي 45 صفحه در فرمت pdf مي باشد. همچنين مثال هايي براي آموزش و درك بهتر ارائه شده است.
فرآيند آهنگري (Forging) در صنعت به دليل توليد قطعات با خواص يكنواخت و استحكام بالا مورد توجه بسياري از توليدكنندگان قرار گرفته است. در اين فرآيند طراحي قالب‌هاي پيش‌فرم در بهبود كيفيت قطعه نهايي و كاهش هزينه توليد آن نقش بسزايي دارد. مهمترين معايب بوجود آمده در فرايند آهنگري عبارتند از: پرنشدن كامل قالب، چروكيدگي (Fold)، خواص متالورژي غيريكنواخت، ايجاد پليسه (Flash) زياد و نامناسب، كه با طراحي مناسب قالب پيش‌فرم ميتوان اين معايب را از بين برد يا كاهش داد. در تحقيق پيش‌رو، بهينه‌سازي شكل قالب پيش‌فرم در فرايند آهنگري دو مرحله‌اي مورد بررسي قرار مي‌گيرد. براي اين منظور، كدهاي شبيه‌سازي فرايند آهنگري كه به زبان پايتون نوشته شده در نرم‌افزار Abaqus اجرا مي‌شوند و براي بهينه‌سازي از الگوريتم ژنتيك با شيوه نخبه‌گرا در نرم‌افزار Matlab استفاده مي‌گردد. و در نهايت با مرتبط كردن اين دو، بهينه‌سازي انجام مي‌شود. براي بررسي اين روش دو مثال حل شده است. آهنگري سرد يك سيلندر توخالي از جنس آلومينيم در يك مرحله، باعث ايجاد چروكيدگي در سطح داخلي آن مي‌شود، كه با استفاده از يك قالب پيش‌فرم، چروكيدگي در سطح داخلي آن رفع مي‌شود. در مثال دوم، آهنگري داغ يك قطعه متقارن محوري بصورت همدما انجام شده كه تابع هدف در آن پر شدن كامل قالب نهايي، از بين بردن پليسه و توزيع يكنواخت كرنش پلاستيك معادل مي‌باشد. متغير طراحي در هر دو مثال هندسه قالب پيش‌فرم و ضريب اصطكاك مي‌باشد.
يكي از معيارهاي طراحي سازه هاي دريايي كامپوزيتي، مقاومت در مقابل انفجار در زير آب مي باشد. در اين مقاله كوشش شده است جهت بهينه سازي، پديده ي مذكور در اين نوع سازه ها در نرم افزار ABAQUS شبيه سازي و با استفاده از نتايج تجربي موجود، اين روش صحت سنجي شود. سپس با استفاده از اين روش، رفتار ديناميكي سازه كامپوزيتي تحت بار انفجار زير آب بررسي شده است. در ادامه با استفاده از الگوريتم ژنتيك ارائه شده با تغيير زاويه و ضخامت صفحه كامپوزيتي، وزن صفحه در شرايطي كه سازه در مقابل بار انفجار زير آب دچار شكست نشود، بهينه شده است. نتايج نشان مي دهد كه الگوريتم ارائه شده توانايي بهينه سازي وزن سازه كامپوزيتي را دارد
محققين مدل هاي مختلفي از بستر الاستيك را مورد بررسي قرار داده اند كه يكي از مرسوم ترين آن ها بستر وينكلر است كه در آن نيرو به طور مستقيم متناسب با جابجايي خمشي تير مي باشد. يكي از نقايص معمول در سازه‌ها ترك است. به‌طور كلي ترك سختي سازه و فركانس هاي طبيعي آن را كاهش مي‌دهد. در اين مقاله مدل تير اويلر- برنولي در نظر گرفته مي شود. در ابتدا با استفاده از تكنيك المان مجزا فرمولاسيون تير اويلر- برنولي ترك دار داراي بستر الاستيك وينكلر محاسبه مي شود. در روش المان مجزا تير انعطاف پذير پيوسته به سيستمي از ميله هاي صلب و مفاصل انعطاف پذير كه در برابر چرخش نسبي مقاومت مي كنند تقسيم مي شود. در ادامه ي اين مقاله، پارامترهاي مربوط به ترك شامل اندازه و محل آن ها تعيين مي گردند. براي تأمين اين مهم، مسأله تعيين ترك با استفاده از فركانس هاي طبيعي به شكل يك مسأله بهينه سازي غير خطي مدل مي شود و سپس با استفاده از الگوريتم ژنتيك در متلب حل مي گردد. در نهايت اثر پارامترهاي مختلف همچون عمق و طول ترك و شرايط مرزي مختلف بر روي فركانس هاي طبيعي بررسي شده است. دقت اين روش با توجه به سرعت آن قابل ملاحظه است
تعداد صفحات : 411
تميز كردن نماي ساختمان