Fatemi Moghadam A, Sharifi A, Teshnelab M. Prediction and Identification of Nonlinear Rotary Cement Kiln System with Neuro-Fuzzy ANFIS Network by Using Feature Selection with Genetic Algorithm. JoC 2011; 5 (2) :22-33
URL:
http://joc.kntu.ac.ir/article-1-88-fa.html
فاطمی مقدم آرمیتا، شریفی آرش، تشنه لب محمد. شناسایی و پیش بینی سیستم غیرخطی کوره دوار سیمان با استفاده از شبکه عصبی - فازی و انتخاب ورودی ها به کمک الگوریتم ژنتیک. مجله کنترل. 1390; 5 (2) :22-33
URL: http://joc.kntu.ac.ir/article-1-88-fa.html
1- دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
2- دانشگاه صنعتی خواجه نصیر الدین طوسی
چکیده: (12941 مشاهده)
با توجه به اهمیت کوره دوار سیمان در صنعت و عدم وجود یک مدل قابل قبول برای آن، شناسایی و پیش بینی وضعیت کوره از ملزومات شبیه سازی و اتوماسیون سیستم کوره دوار سیمان می باشد. کوره دوار سیمان یک سیستم غیرخطی و متغیر با زمان می باشد. در این نوشتار به منظور شناسایی و پیش بینی وضعیت کوره دوار سیمان از شبکه عصبی- فازی تطبیقی ANFIS استفاده شده است. از آنجا که داده های استخراج شده مرتبط با سیستم واقعی است، لذا انجام عملیات پیش پردازش بر روی داده های موجود یکی از مهمترین و دشوارترین مراحل شناسایی می باشد. علاوه بر ورودیهای سیستم، دینامیک های سیستم که از روش لیپشیتز انتخاب شده با تأخیر خالص سیستم با یک گام عقب تر به عنوان ورودی های شبکه عصبی- فازی اعمال شده است. با توجه به مسأله تعداد قوانین در سیستم فازی در زمان حضور تعداد زیادی متغیر ورودی و همچنین با وجود زیاد بودن تعداد ورودیها مورد نیاز برای اعمال آنها به شبکه عصبی-فازی، از الگوریتم ژنتیک بعنوان روش انتخاب ویژگی به منظور کاهش تعداد متغیرهای ورودی سیستم فازی استفاده شده است. نتایج حاصل از اعمال روش مطرح شده بر روی داده های واقعی کوره دوار سیمان ساوه نشان دهنده کارایی بالای روش ارائه شده در پیش بینی عملکرد این سیستم صنعتی و غیرخطی دارد.
نوع مطالعه:
پژوهشي |
موضوع مقاله:
تخصصي دریافت: 1393/3/25 | پذیرش: 1393/3/25 | انتشار: 1393/3/25