پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی

پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی تهیه و تنظیم سال 1392

دسته بندی: فنی مهندسی » برق ، الکترونیک ؛ مخابرات

تعداد مشاهده: 1583 مشاهده

فرمت فایل دانلودی:.docx

فرمت فایل اصلی: DOCX

تعداد صفحات: 167

حجم فایل:4,551 کیلوبایت

  پرداخت و دانلود  قیمت: 21,000 تومان
پس از پرداخت، لینک دانلود فایل برای شما نشان داده می شود.
0 1 گزارش
  • پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی:
    در سالهای اخیر استفاده از هوش مصنوعی در زمینه مدلسازی فرآیندهای خوردگی مورد توجه قرار گرفته است. شبکه عصبی مصنوعی تبدیل به یکی از روش¬های بسیار پراستفاده در زمینه مدلسازی فرآیند خوردگی شده است. در ادامه برخی از تحقیقیات در مورد خوردگی که در آنها از شبکه عصبی برای مدلسازی استفاده شده، معرفی می گردند.

    یکی از جدیترین کارهایی که برای استفاده از شبکه عصبی در مسائل خوردگی صورت گرفته و جزء اولین¬ها در این زمینه بوده¬است، پیش¬بینی نرخ خوردگی با استفاده از شبکه عصبی توسط اسمتس و بوگارتس بوده¬است. آنها در کار خود یک شبکه عصبی تولید کردند و با استفاده از آن به پیش¬بینی [1]SCC   بر روی فولاد زنگ نزن نوع 304 در حضور ترکیبات کلراید و اکسیژن¬دار و دمای مشخص پرداختند. آنها دریافتند که روش شبکه¬های عصبی در این امر نسبت به روش برازش سنتی برتری دارد.

    در تحقیق دیگری یک مدل شبکه عصبی جهت پیش¬بینی تعداد و عمق حفره¬های ناشی از خوردگی حفره¬ای تولید شد. البته اطلاعاتی در مورد توپولوژی و اندازه شبکه و نحوه آموزش آن داده نشده است. پیشرفت در عمق حفره¬ها و تعداد آنها به صورت مؤثر مدلسازی شد و نتایج خوبی را در مقایسه با داده¬های تجربی نشان داد.

     از شبکه عصبی برای پیش بینی نوع خوردگی از منحنی پلاریزاسیون استفاده شده است. ورودی¬های شبکه چگالی و پتانسیل خوردگی حفره¬ای بوده و خروجی¬های آن ریسک به وجود آمدن هر کدام از خوردگی¬های عمومی، حفره¬ای و شکننده بوده است.

    نسیک و همکاران در مقاله¬ای به دو مشکل مهم که باعث می¬شود از شبکه¬های عصبی کمتر در مباحث خوردگی استفاده شود اشاره کرده¬اند. اولین دلیل را عدم آشنایی مهندسان خوردگی با مقوله هوش مصنوعی و شبکه عصبی و کاربرد آن در پیش¬بینی خوردگی دانسته¬اند و دلیل دوم آن را عدم وجود داده¬های کافی در این امر دانسته¬اند. البته در این مقاله در بخش اول توضیحاتی در مورد شبکه عصبی برای آشنایی مهندسان خوردگی آمده-است و در بخش دوم روش مونت کارلو معرفی شده و در حین آن یک کار عملی انجام شده است.

    تراساتی و گابتا در تحقیقاتی یک شبکه عصبی تولید کردند که از نفت خام، عدد اسید و درصد سولفور، از ترکیبات شیمیایی مواد، درصد کرومیوم و درصد مولیبدینم، از شرایط عملیاتی فرآیند (دما، فشار و نرخ جریان) را به عنوان ورودی و از نرخ خوردگی با واحد میلیمتر در سال (mpy) به عنوان خروجی استفاده کردند و نرخ خوردگی را با موفقیت از طریق شبکه عصبی تولید شده پیش بینی نمودند.

    فهرست مطالب
    فصل اول: مقدمه 9
    1-1 معرفی کل تحقیق 9
    1-2 فعالیت های پیشین و تاریخچه تحقیق 11
    1-3 اهداف پژوهش 17
    فصل دوم: شبکه های عصبی 18
    2-1  مدلسازی نرون تنها 19
    2-2  تابع فعالیت 20
    2-3 معماری شبکه عصبی 21
    2-3-1 شبکه های پیشخور 22
    2-3-2 شبکه های برگشتی 22
    2-4  الگوریتم های یادگیری 23
    2-5 شبکه عصبی MLP 24
    2-5-1  الگوریتم پس انتشار خطا 25
    2-5-2 سیگنال خطا 26
    2-5-3 انتخاب نرخ یادگیری 26
    2-5-4 مرحله آموزش 27
    2-5-5 قابلیت تعمیم دهی 27
    2-5-6  توقف آموزش 28
    2-6  شبکه RBF 29
    2-6-1  ساختار شبکه عصبی شعاعی 30
    2-6-2-1 تعيين موقعيت مراکز 35
    2-6-2-2  تعيين انحراف استاندارد 37
    2-6-2-3  آموزش ماتريس وزن لايه خروجي 38
    فصل سوم: منطق فازی 40
    3-1 مقدمهای بر سیستمهای فازی 40
    3-2  اجزاء پایه سیستم استنتاج فازی(FIS) 45
    3-2-1  پایگاه قواعد فازی 45
    3-2-1-1   ویژگی های مجموعه قواعد 45
    3-2-2  موتور استنتاج فازی 47
    3-2-2-1   استنتاج مبتنی بر ترکیب قواعد 47
    3-3  غیرفازی‌ساز 49
    3-3-1  غیرفازی‌ساز مرکز ثقل 49
    3-3-2  غیرفازی‌ساز میانگین مراکز 49
    3-3-3   غیرفازی‌ساز ماکزیمم 50
    فصل چهارم: سیستم های استنتاج فازی-عصبی تطبیقیANFIS)) 52
    فصل پنجم: خوردگی 54
    5-1  مقدمه ای بر خوردگی 54
    5-1-1  هزینه های خوردگی 56
    5-1-2  بررسی انواع خوردگی 57
    5-2  طراحی سیستم های آلی ضدخوردگی 68
    5-3  خوردگي در تأسيسات نفت و گاز 70
    5-3-1  خوردگي توسط گاز خورنده دي ‌اكسيدكربن 71
    5-3-2  خوردگي توسط مايعات خورنده مخازن نفتي 73
    5-3-3  خوردگي توسط گاز خورنده سولفيد هيدروژن 73
    5-4  خوردگی در سیستم های سه فازی چاه ها و لوله های گاز و روش های کنترل آن 77
    5-4-1  روش های کنترل خوردگی 77
    5-4-1-1   بازدارنده های خوردگی 78
    5-3-1-2   روش تثبیت pH 82
    فصل ششم: پدیده ی سایش در سیستم های تولید هیدروکربن 88
    6-1  فرایند سایش در چاه های تولیدی نفت و گاز 89
    6-2  مکانیزم های سایش 90
    6-2-3  آسیب پذیری تجهیزات در برابر پدیده سایش: 90
    6-3-2-1 جنس تجهیزات 92
    6-3-2-2 فلزات هادی و مواد مرسوم دیگر 92
    6-3-2-3 مواد ویژه مقاوم در برابر سایش 93
    6-4  سایش ناشی از ماسه یا ریز ذرات 94
    6-4-1 تولید ماسه و انتقال آن 94
    6-4-2  اندازه، شکل و سختی ذرات جامد 96
    6-5  سایش/ خوردگی 97
    6-6  سایش ناشی از اصابت قطرات مایع 98
    6-7 کاویتاسیون 100
    6-8 سایش ناشی از ذرات جامد در زانویی ها 101
    6-9 سایش ذرات جامد در اتصالات Tشکل یکسر بسته 103
    6-10 روش های پایش، جلوگیری و مدیریت پدیده سایش 104
    6-10-1 تکنیک های مدیریت سایش 105
    6-10-1-1 کاهش دبی تولیدی 105
    6-10-1-2 طراحی خط لوله 105
    6-10-1-3 جداسازی و حذف ماسه از جریان 106
    6-10-1-4 دستورالعمل و پیش بینی سایش 107
    6-10-1-5  ارزیابی ضخامت دیواره 109
    6-11  ابزارهای پیش بینی سایش و مروری بر تحقیقات صورت گرفته 110
    6-11-1 مروری بر مهمترین استانداردها در طراحی خطوط لوله و مدیریت سایش 110
    6-11-2  ابزارها و مدل های پیش بینی سایش 111
    6-11-2-1 استاندارد API RP 14E 112
    6-11-2-2 دیگر مدل های پیش بینی سایش 117
    6-11-3 مقایسه مدل های پیش بینی سایش در زانویی ها 124
    فصل هفتم: روش تحقیق 131
    7-1 پیش بینی نرخ خوردگی 134
    7-1-1 پیش بینی نرخ خوردگی با استفاده از شبکه عصبی 134
    7-1-2 پیش بینی نرخ خوردگی با استفاده از ANFIS 141
    7-2 پیش بینی ثابت سرعت سایش 151
    فصل هشتم: نتیجه گیری 158
    فصل نهم: پیشنهادات 159
    منابع 160

    فهرست جدول ها
    جدول شماره 1: توابع فعالیت معمول 21
    جدول شماره 2: سرعت حدی (سایش) اندازه گیری شده درآزمایشات اصابت ذرات مایع 119
    جدول شماره 3:  ضرایب همبستگی داده های ورودی 135
    جدول شماره 4:  ارزیابی معماری های مختلف شبکه عصبیMLP مورد استفاده در این تحقیق 140
    جدول شماره 6: تعیین مؤلفه های سیال PGF بر طبق نقطه ی جوش 150

    فهرست شکل ها
    شکل شماره 1: حداکثر دبی مجاز برای سیال فاقد ذرات جامد 15
    شکل شماره 2: حداکثر دبی مجاز برای سیال حاوی ذرات جامد 16
    شکل شماره 3: یک نرون تنها در شبکه عصبی]11[ 20
    شکل شماره 4:  الف) شبکه پیش خور چندلایه  ب) شبکه بازگشتی 23
    شکل شماره 5: نمودار روش توقف زودتر از موعد 29
    شکل شماره 6: ساختار شبکه عصبی RBF 30
    شکل شماره 7: نرون شعاعی با یک ورودی 32
    شکل شماره 8: منحنی نمایش تابع پاسخ یا تابع انتقال(تحریک) نرون شعاع با یک ورودی 32
    شکل شماره 9: نرون شعاعی با دو ورودی 33
    شکل شماره 10: منحنی نمایش تابع پاسخ یا تابع انتقال(تحریک) نرون شعاع با دو ورودی 33
    شکل شماره 11: حفره های ایجاد شده در جریان مخلوط آب، دی اکسید کربن و ماسه]23[ 101
    شکل شماره 12: مسیر حرکت ذرات جامد با اندازه های مختلف درون یک زانویی 105
    شکل شماره 13: رابطهی بین α و F(α) ارائه شده توسط Huser و Kvernvold برای مواد هادی و شکننده 122
    شکل شماره 14: مقایسه مدلهای پیش بینی سایش در یک زانویی 2 اینچ در جریان ماسه- متان 128
    شکل شماره 15: مقایسه مدلهای پیش بینی سایش در یک زانویی 2 اینچ در جریان ماسه-مایع 130
    شکل شماره 16: مقایسه مدلهای پیشبینی سایش در یک زانویی 2 اینچ برای جریان ماسه-هوا 132
    شکل شماره 17: هیستوگرام خطا و پاسخ شبکه به داده های آموزش برای ساختار 1-12-4 141
    شکل شماره 18: هیستوگرام خطا و پاسخ شبکه به داده های ارزیابی برای ساختار 1-12-4 142
    شکل شماره 19: هیستوگرام خطا و پاسخ شبکه به داده های تست برای ساختار 1-12-4 143
    شکل شماره 20: هیستوگرام خطا و پاسخ شبکه برای همه ی داده ها  در ساختار 1-12-4 143
    شکل شماره 21: ضریب همبستگی و منحنی کارایی شبکه 144
    شکل شماره 22:  هیستوگرام خطا و پاسخ شبکه به داده های آموزش برای شبکه با ساختار 1-5-4 152
    شکل شماره 23:  هیستوگرام خطا و پاسخ شبکه به داده های آموزش برای شبکه با ساختار 1-5-4 153
    شکل شماره 24: هیستوگرام خطا و پاسخ شبکه به داده های تست برای شبکه با ساختار 



    برچسب ها: پیش بینی نرخ خوردگی ثابت سرعت سایش لوله مغزی های گاز استفاده شبکه عصبی
  

به ما اعتماد کنید

تمامي كالاها و خدمات اين فروشگاه، حسب مورد داراي مجوزهاي لازم از مراجع مربوطه مي‌باشند و فعاليت‌هاي اين سايت تابع قوانين و مقررات جمهوري اسلامي ايران است.
این سایت در ستاد ساماندهی ثبت شده است.

درباره ما

فروش اینترنتی فایل های قابل دانلود، پروژه، مقاله، و....
در صورتی که نیاز به راهنمایی دارید، صفحه راهنمای سایت را مطالعه فرمایید.

تمام حقوق این سایت محفوظ است. کپی برداری پیگرد قانونی دارد.
طراحی سایت: وبتینا