عنوان

بهبود عملکرد کوره‌ای دوار کارخانه سیمان اردبیل با استفاده از روش های هوش مصنوعی

شماره

‭۱۵۰۱۷پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

بهبود عملکرد کوره‌ای دوار کارخانه سیمان اردبیل با استفاده از روش های هوش مصنوعی

نام نخستين پديدآور

/جعفرحامدی راد

نام ناشر، پخش کننده و غيره

: فنی مهندسی شیمی ونفت

تاریخ نشرو بخش و غیره

، ‮‭۱۳۹۴‬

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

مهندسیی شیمی -گرایش پیشرفته

زمان اعطا مدرک

‮‭۱۳۹۴/۰۳/۲۶‬

کسي که مدرک را اعطا کرده

دانشگاه تبریز

متن يادداشت

فرایند تولید درکوره‌صی دوار سیمان یکی از سیستم‌صهای پیچیده، تاخیری و غیر خطی است که مدلسازی چنین سیستم‌صهایی با دشواری‌صهایی همراه است .تعدد پارامترها و نوسان دائمی آنها باعث شده که موضوع پایداری سیستم مورد توجه قرار گیرد .اپراتورکوره توسط تنظیماتی همچون سوخت، دور کوره و دور فن شرایطی را ایجاد می‌صکند که در صورت حفظ پایداری سیستم بتواند بر مقدار بار ورودی و در نتیجه بر مقدار محصول تولیدی بیافزاید .فاکتورهای متعددی وجود دارند که سیستم حرارتی کوره را تحت تاثیر قرار می دهند از جمله، میزان سوخت، میزان بار ورودی، سرعت چرخش کوره، فشار سیستماتیک کوره، دمای گاز داخل کوره، ترکیب درصد گاز خروجی ویژگیهای پخت مواد، و . ... برای چنین سیستم چند متغیره با تغیر زمانی کند وماهیت غیر خطی و وجود تاخیر، مدلسازی دقیق ریاضی کار دشواری است .از این رو، رو آوردن به روش‌صهای نرم از جمله شبکه‌صی عصبی که سر و کارش فقط با داده‌صهای ورودی و خروجی است در مورد چنین سیستم‌صهایی رو به افزایش است .در تحقیق حاضر بعد از تحلیل آماری و پیش‌صپردازش تقریبا ‮‭۳۰۰۰‬ داده به شبکه طراحی شده داده شد .ویژگی‌صهای شبکه برای بالاترین دقت بهینه‌صسازی شد و بعد از آموزش شبکه در واقع به مدلی از سیستم رسیدیم که در شناسایی سیستم کوره‌صی دوار و در زمینه‌صی تعیین محدوده‌ص‍ و نقاط بهینه‌صی پارامترهای راهبری مثل دور کوره، مقدار سوخت، و حجم هوای ورودی و مکش مناسب سیستم بحث شد

متن يادداشت

The production process of the cement rotary kiln is a typical engineering thermodynamics with large inertia, lagging and nonlinearity. So it is very difficult to modeling this process accurately. Stabe state in such a system very vital due to multidimentionality and parameter flactuation. In order to guarantee the process to be stable with produce thehigh-grade cement clinker, kiln operators adjust paramers such as fuel, feed, kiln and fan speed. Mathematical modeling, such a systems with natures mentioned abow, is very difficalt with simplififation proposal that cause deviaion from reality. Heron since there is no generally applicable analytical model for cement kilns, Artefitial Neural Network (ANN) is pereferetial selection. Neural networks have been used to perform complex functions in various fields, including pattern recognition, identification, classification, and control systems. The neuron model and the architecture of a neural network describe how a network transforms its input into an output. We use the real data derived from Arta Ardabil cement factory for the plant identification. A model, which is very similar to the real plant, is identified then; and the identified model is used for simulations and optimization purpose.For this purpose, data for all variables associated with rotary cement kiln were collected over a period of four month from a cement industry having a capacity of 3500 tons of clinker production per day. Data preprocessing of the raw data has been performed to remove the anomalies present in the original data. The processed data was used to develop the neural network model of the kiln

مستند نام اشخاص تاييد نشده

حامدی راد، جعفر

مستند نام اشخاص تاييد نشده

اقدسی نیا، حسن، استاد راهنما

مستند نام اشخاص تاييد نشده

فرضی، علی، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی