سیستم هوشمند مبتنی بر تجزیه موجک و شبکه عصبی برای پیش بینی سرعت فن

نوع فایل : word

تعداد صفحات : 28

تعداد کلمات : 5500

مجله : Systems and Control Engineering

انتشار : 2011

ترجمه متون داخل جداول : ترجمه شده است

درج جداول در فایل ترجمه : درج شده است

منابع داخل متن : به صورت فارسی درج شده است

کیفیت ترجمه : طلایی

:

تاریخ انتشار
27 اکتبر 2020
دسته بندی
تعداد بازدیدها
1383 بازدید
29,000 تومان

عنوان فارسی مقاله:سیستم هوشمند مبتنی بر تجزیه موجک و شبکه عصبی برای پیش بینی سرعت فن برای صرفه جویی در انرژی در سیستم HVAC

 چکیده  

در این مطالعه یک سیستم گرمایش، تهویه و تهویه مطبوع (HVAC) با قسمت‌های مختلف طراحی و آزمایش شده است. سرعت موتور فن و سرعت شکاف میراگر توسط دو کنترل کننده (به عنوان مثال یک کنترل کننده PID و کنترل کننده هوشمند) در زمان واقعی کنترل می‌شود تا مصرف انرژی آن به حداقل برسد. دمای مورد نظر با توجه به دمای محیط هر منطقه و اواپراتور، با سرعت جریان متغیری به دست می‌آید. پارامترهای PID حاصل از کارهای نظری قبلی ما با استفاده از منطق فازی در این مطالعه مورد استفاده قرار گرفت. داده‌های تجربی مورد استفاده در این مطالعه با استفاده از یک سیستم HVAC ساخته شده در محیط آزمایشگاهی جمع آوری شد. سرعت موتور و سرعت خنک کننده موتور با استفاده از تجزیه بسته‌های موجک (WPD)، آنتروپی و تکنیک‌های شبکه عصبی (NN) پیش بینی شده است. WPD برای کاهش ابعاد بردار ورودی مدل هوشمند استفاده شده است. معماری مناسب مدل NN پس از مراحل آزمایش و خطا مشخص می‌شود. با توجه به نتایج آزمایش، عملکرد مدل توسعه یافته در سطح مطلوب است. کارایی روش توسعه یافته مورد آزمایش قرار گرفت و میانگین موفقیت ۹۵٫۶۲٪ موفقیت شناختی بدست آمد. این مدل یک ابزار کارآمد و قوی برای پیش بینی نرخ فاصله میراگر و سرعت موتور موتور برای به حداقل رساندن مصرف انرژی سیستم HVAC است(پیش بینی سرعت فن).

ادامه مطلب

راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.

Title: ntelligent system based on wavelet decomposition and neural network for predicting of fan speed for energy saving in HVAC system

Abstract

 In this study, a heating, ventilating and air-conditioning (HVAC) system with different zones was designed and tested. Its fan motor speed and damper gap rates were controlled by two controllers (i.e. a PID controller and an intelligent controller) in real time to minimize its energy consumption. The desired temperatures were realized by variable flow-rate by considering the ambient temperature for each zone and evaporator. The PID parameters obtained in our previous theoretical work using fuzzy logic were utilized in this study. The experimental data used in this study was collected using a HVAC system built in a laboratory environment. The fan motor speed and damper gap rates were predicted using wavelet packet decomposition (WPD), entropy, and neural network (NN) techniques. WPD was used to reduce the input vector dimensions of the intelligent model. The suitable architecture of the NN model is determined after certain trial and error steps. According to test results, the developed model performance is at desirable level. Efficiency of the developed method was tested and a mean 95.62% recognition success was obtained. This model is an efficient and robust tool to predict damper gap rates and fan motor speed to minimize energy consumption of the HVAC system.
دیدگاهتان را بنویسید