کنترل راکتور مخزن همزن دار با شبکه عصبی موجک با متلب

پروژه کنترل راکتور مخزن همزن دار با شبکه عصبی موجک (WNN) در MATLAB

در این پست پروژه کنترل راکتور مخزن همزن دار با شبکه عصبی موجک با متلب را آماده کرده ایم که کاربرد آن در رشته های مهندسی شیمی ، الکترونیک و هوش مصنوعی می باشد. در ادامه به توضیحاتی در رابطه با راکتور همزن دار و همچنین شبکه عصبی موجک پرداخته و فیلم و تصاویری از خروجی این پروژه را نشان خواهیم داد.

به منظور طراحی و راه اندازی يک واحد صنعتی شيميايی جهت توليد فرآورده های مورد نظر، به طراحی و ساخت دستگاه های مختلفی نياز است تا عمليات فيزيکی و شيميايی آن واحد، در آنها به عمل آید. این دستگاه ها، توسط جمعی از متخصصين رشته های مختلف مرتبط با يکديگر، به ترتيب خاصی، طراحی و ساخته می شوند.

مهندسين شيمی، با توجه به تسلط داشتن بر زمينه های علمی مورد نياز در اين بخش، طراحی راکتور را انجام می دهند. نکته کليدی در طراحی قسمت های مختلف يک واحد صنعتی شيميايی اين است که هزينه های ساخت و عمليات، بايد حداقل و مرغوبيت و قيمت محصول، حداکثر باشد تا سود دهی آن واحد بهينه شود.

توضیحات بیشتر، فیلم و تصاویری از خروجی پروژه کنترل راکتور مخزن همزن دار با شبکه عصبی موجک با متلب در ادامه مطلب.

موفقيت های بسياری از فرآيند های فيزيکی و شيميايی ، به ميزان اختلاط و همزدگی مواد شرکت کننده در آنها بستگی دارد. همزدگی، همان اختلاط نيست. همزدگی به حرکت مواد اطلاق می شود و در مورد يک ماده نيز معنی دارد، به طور، به جهت خنک کردن آب داغ، آن را، هم می زنند. اما در اختلاط، وجود داشتن بيش از يک ماده الزامی است، ولی می توان گفت لازمه اختلاط، همزدن می باشد.

اصولا، هدف از همزدن دو يا چند ماده، ايجاد يک مخلوط يکنواخت برای مصارف گوناگون با ويژگی های زير می باشد: 2- ميزان دما، فشار و غلظت در هر نقطه آن يکسان است و نمونه گيری از هر نقطه آن فاقد هر گونه تفاوت می باشد. 2- تمامی مولکول ها به يک اندازه شانس شرکت در واکنش های شيميايی را دارا می باشند.

شبکه عصبی موجک (WNN) :

شبکه عصبی موجک (Wavelets neural network – WNN) یک شبکه جلو رونده می باشد که در منطقه تخمین به دنبال خانواده ای از موجک ها به جهت یافتن رابطه پیچیده متغیرها در سیگنال اصلی است. شبکه عصبی موجک یا شبکه WNN قابلیت های تبدیل موجک و توانایی شبکه عصبی به عنوان یک تخمین گر عمومی را همزمان دار می باشد.

توابع موجک علاوه بر خواص تعامد، از خواص محلی خوبی نیز برخور هستند. این امر، باعث می شود که این شبکه ها در مقایسه با شبکه های عصبی (Neural Network) عادی در زمان بسیار کمی همگرایی داشته و تخمین چند تفکیکی از نگاشت ورودی – خروجی به دست دهند.

ویونت ها، شبکه های عصبی با یک لایه پنهان می باشند که در گره های لایه پنهان آن به جای توابع سیگموئید از توابع ویولت به کار رفته است. این شبکه ها به وسیله یادگیری سسلسه مراتبی چند رزلوشنی می توانند تا تابع دلخواه را با دقت مدنظر پیش بینی نمایند. برای اولین بار این شبکه در سال 1993 توسط بخشی واستفانوپولوس ارائه شده است.

می توانیم شبکه های ویونت را به عنوان پیاده سازی بسط تابع غیر خطی بر حسب توابع پایه ویولت در نظر بگیریم. وزن های شبکه ، همان وزن های بسط می باشند. شکل تابع در این شبکه ها ثابت بوده و تنها وزن های شبکه تعلیم داده می شوند.

تصاویر خروجی پروژه کنترل راکتور مخزن همزن دار با شبکه عصبی موجک :

تصویر خروجی 1:

تصویر خروجی 2:

تصویر خروجی 3:

تصویر خروجی 4:

تصویر خروجی 5: