مدلسازی دینامیکی جعبه سیاه پیل سوختی SOFC با استفاده از روش‌های هوشمند
در این قسمت از پورتال آموزش و پژوهش دانشگاهیان (پویان) تحقیق شیمی با عنوان مدلسازی دینامیکی جعبه سیاه پیل سوختی SOFC با استفاده از روش‌های هوشمند به صورت فایل Word برای دانلود ارائه شده است.
در این مقاله با استفاده از الگوریتم پیشنهادی، مدلسازی هوشمند پیل سوختی با الکترولیت اکسید جامد (SOFC) انجام شده است؛ سپس نتایج با مدل ریاضیاتی دقیقی مقایسه گردیده است. نتایج شبیه سازی‌ها نشان داده‌اند که مدل SVM جواب بهتری نسبت به ANN دارد. در ضمن این مدل می‌تواند به خوبی جایگزین مدل‌های متداول ریاضیاتی برای مطالعات دینامیکی و استاتیکی گردد.
1- مدل‌های دینامیکی جعبه سیاه پیل سوختی SOFC با استفاده از روش‌های هوشمند ماشین‌های بردار پشتیبان و شبکه‌های عصبی مصنوعی، می‌توانند جایگزین مناسبی برای مدل‌های متداول ریاضیاتی باشند. روش‌های هوشمند می‌توانند بدون نیاز به پارامترها و معادلات پیل‌های سوختی مدل دقیقی برای آن‌ها ارایه دهند. در ضمن، این مدل‌ها به حافظه کمتری در مقایسه با مدل‌های ریاضیاتی برای مطالعات دینامیکی، زمان حقیقی، استاتیک و ... نیاز دارند. در عین حال، مدل بر پایه SVM نسبت به ANN دقیقیتر بوده و خطای کمتری دارد و لذا بیشتر مورد توصیه می‌باشد.
2- نکته‌ی مهم در مدلسازی دینامیکی به کمک روش‌های هوشمند، فراهم کردن داده‌های مناسب دینامیکی برای آموزش است که بتواند خواص دینامیکی سیستم را به خوبی به روش هوشمند آموزش دهد. در این پایان نامه نشان داده شده است که به کمک سیگنال PRBS می‌توان داده‌های مناسبی برای آموزش تولید کرد، و مدل دینامیکی دقیقی را استخراج نمود.
3- دو روش SVM و ANN به خوبی می‌توانند جهت مدلسازی‌های غیر خطی و چند متغیره سیستم (مثل مدلسازی پیل‌های سوختی) به کار روند. روش SVM در مقایسه با روش ANN به دلیل ویژگی‌های بحث شده در باره آن، خطای پیش بینی کمتری دارد.
4- به کمک درخت تصمیم گیری می‌توان ویژگی‌های مناسبی برای آموزش شبکه‌های هوشمند را انتخاب کرد. به عبارت دیگر درخت تصمیم گیری داده‌های ورودی برای آموزش را به بهترین نحو کاهش می‌دهد.