شبیه سازی آماده مقاله تشخیص پوسیدگی و ترکیدگی لوله با متلب|شبکه عصبی

شبیه سازی مقاله تشخیص ترکیدگی لوله در متلب | Leaks Detection in a Pipeline Using Artificial Neural Networks

مقاله اصلی: Leaks Detection in a Pipeline Using Artificial Neural Networks

گزارش کار دارد : 7 صفحه

فرمت فایل گزارش کار word

فرمت فایل شبیه سازی : m

شبیه سازی مقاله تشخیص پوسیدگی و عیوب لوله در متلب توسط شبکه عصبی | Leaks Detection in a Pipeline Using Artificial Neural Networks

مقدمه گزارش شبیه سازی

چندین پیکربندی ANN شامل معماری چند لایه پیش رو مورد تست قرار گرفته است .شبکه چند لایه پس انتشار خطا برای آموزش استفاده شده است .اختلاف پایه ای پیکر بندی هر ANN شامل تعداد نرون هر لایه و تعداد لایه ها می باشد.میزان تاخیر در اعمال سیگنال ورودی بیشترین تاثیر نتایج را داشته است.تابع فعالیت لایه ورودی تانژانت سیگموئید ولایه خروجی لگاریتم سیگموئید استفاده شده است .

پایان نامه تشخیص عیوب مهمترین عملکرد ANN می باشد. و ANN تنها از اندازه گیری فلوی ورودی و خروجی لوله استفاده کرده است.سیستم تشخیص حالت عملکرد لوله را تعیین می کند و از روی این حالت عیوب و ترکیدگی تشخیص داده می شود.بر طبق جدول 1 خروجی شبکه عصبی مصنوعی طبقه بندی می شود و محل ترکیدگی مشخص توسط حالت عملکرد در 8 وضعیت خروجی تولیدی ANN تعیین می شود.هر حالت خروجی از طریق بخشهای شامل ترکیدگی و بدون عیب سه بخش لوله تعیین می شود.

قابل توجه است که خروجی ANN تابع فعالیت تانژانت هایپربولیک به دست می آید که مقداری بین 0 تا 1 می دهد . به همین دلیل از یک فیلتر باینری استفاده میکنیم .پس از تخمین حالت عملکرد لوله قشمت یا قسمتهای خطا در لوله مشخص می شود.دقت این رویکرد بستگی به تعداد بخشهای تقسیم شده لوله دارد.

شبکه عصبی مصنوعی توسط داده های تمام حالت های ممکن بر اساس شبیه سازی مارکوف چین آموزش داده می شود. داده ورودی شبکه عصبی مصنوعی فلوی ورودی و خروجی لوله و تاخیر آنها وداده خروجی محل ترکیدگی لوله

ثبت آگهی رایگان