دانلود مقاله ترجمه شده پیش‌بینی کیفیت کف سرباره در کوره‌‌ی قوس الکتریکی با استفاده از شاخص‌های کیفیت توان و روش فازی


چطور این مقاله مهندسی مکانیک را دانلود کنم؟

فایل انگلیسی این مقاله با شناسه 2000151 رایگان است. ترجمه چکیده این مقاله مهندسی مکانیک در همین صفحه قابل مشاهده است. شما می توانید پس از بررسی این دو مورد نسبت به خرید و دانلود مقاله ترجمه شده اقدام نمایید

قیمت :
880,000 ریال
شناسه محصول :
2000151
سال انتشار:
2011
حجم فایل انگلیسی :
746 Kb
حجم فایل فارسی :
1 مگا بایت
نوع فایل های ضمیمه :
Pdf+Word
کلمه عبور همه فایلها :
www.daneshgahi.com

عنوان فارسي

پیش‌بینی کیفیت کف سرباره در کوره‌‌ی قوس الکتریکی با استفاده از شاخص‌های کیفیت توان و روش فازی

عنوان انگليسي

Predicting Foaming Slag Quality in Electric Arc Furnace Using Power Quality Indices and Fuzzy Method

نویسنده/ناشر/نام مجله

IEEE TRANSACTIONS ON INSTRUMENTATION AND MEASUREMENT

این مقاله چند صفحه است؟

این مقاله ترجمه شده مهندسی مکانیک شامل 8 صفحه انگلیسی به صورت پی دی اف و 21 صفحه متن فارسی به صورت ورد تایپ شده است

چکیده فارسی


چکیده

در این مقاله روشی جدید برای تعیین کیفیت سرباره در کوره‌ی قوس الکتریکی بر پایه سیستم تطبیقی استنتاج عصبی فازی و منطق فازی ارائه شده است. برای آموزش ANFIS همه پارامترهای کیفیت توان برای ۱۳ فرآیند ذوب و توسط تحلیل‌گر کیفیت توان اندازه‌گیری شده‌اند. دوازده مجموعه متفاوت از پارامترهای کیفیت توان برای پیش‌بینی کیفیت سرباره آزمایش شده‌اند. در نهایت٬ یک مجموعه از پارامترها شامل اعوجاج هارمونیک کل جریان٬ هفتمین هارمونیک جریان و عدم توازن جریان سه فاز انتخاب شده‌اند که بهترین صحت پیش‌بینی را نشان می‌دهند. با وجود اینکه ANFIS آموزش دیده می‌تواند کیفیت سرباره را درست پیش‌بینی کند ولی یک پیش‌بین سترگ (مقاوم) نیست. اگر مدل تحلیل‌گر کیفیت توان و یا ظرفیت کوره تغییر کنند صحت پیش‌بین کاهش می‌یابد. برای غلبه بر این مشکل از روش فازی استفاده شده است. این روش کیفیت سرباره را با پارامترهای کیفیت توان انتخاب شده پیش‌بینی می‌کند. در تست آزمایشگاهی، پیش‌بین کیفیت سرباره را هر یک دقیقه گزارش می‌دهد. پیش‌بین فازی کیفیت سرباره در فرآیند کنترل سرباره‌ی اتوماتیک نیز به کار می‌رود.

کلیدواژه- سیستم تطبیقی استنتاج عصبی فازی ٬ کوره قوس الکتریکی٬ کیفیت کف سرباره٬ منطق فازی٬ کیفیت توان.

1-مقدمه

کیفیت کف سرباره به عنوان یک پارامتر مهم در فرآیند ساخت فولاد شناخته شده‌است. از مزایای کف سرباره خوب می‌توان به موارد زیر اشاره کرد:‌ کاهش هزینه‌ی انرژی به دلیل افزایش حفظ گرما٬ بهبود بازده و نیز کاهش لرزش٬ صدا و مصرف الکترود در کوره قوس الکتریکی.

سطح بار سخت و یا اغتشاش در ذوب باعث به وجود آمدن نوسانات بزرگی در جریان‌های سه فاز قوس ٬ عدم توازن زیاد جریان و غیرخطی شدن شدید جریان فازهای مختلف می‌شوند. کف سرباره‌ی با کیفیت خوب بار را می‌پوشاند و مسیر یکنواخت و همواری را در سه الکترود برای جریان ایجاد می‌کند. بنابراین کف سرباره پدیده‌های مربوط به کیفیت توان نظیر عدم توازن جریان٬ فلیکر و هارمونیک‌های جریان را کاهش می‌دهد. با وجود مطلوب بودن کف سرباره هیچ روش قابل اعتمادی برای پیش‌بینی کیفیت سرباره وجود ندارد. معمولاً سرباره توسط یک فرد متخصص در طول فرآیند تولید فولاد و با استفاده از حس بینایی (به صورت چشمی) ارزیابی می‌شود. مشکلات اصلی در این زمینه تغییرات سریع و غیرخطی بودن کیفیت سرباره است. این دو عامل به فاکتورهای متعددی نظیر افزودنی‌ها و نسبت آهن اسفنجی به آهن بازیافتی (قراضه) وابسته هستند...

سیستم تطبیقی استنتاج عصبی فازی کوره قوس الکتریکی٬ کیفیت کف سرباره :کلمات کلیدی

چکیده انگلیسی


Abstract

In this paper, a new method based on adaptive neuro fuzzy inference system (ANFIS) and fuzzy logic is presented to determine the slag quality in electric arc furnace using power quality indices. To train ANFIS, all electrical power quality parameters are measured for 13 meltings using a power quality analyzer. Twelve different sets of power quality parameters are examined to predict the slag quality. Finally, one parameter set consisting of total current harmonic distortion, seventh current harmonic, and three phase current unbalance is selected, which shows the best prediction accuracy. Although the trained ANFIS can accurately predict the slag quality, it is not a robust predictor. If the power quality analyzer model or furnace capacity is changed, then the predictor accuracy will be decreased. To overcome this problem, the fuzzy method is used to predict the slag quality using selected power quality parameters. The predictor reports the slag quality every 1 min in experimental test. The designed fuzzy slag quality predictor can also be used in an automatic slag control process

Keywords: Adaptive neuro fuzzy inference system (ANFIS) electric arc furnace (EAF) foaming slag quality
این برای گرایش های: ساخت‌ و تولید، کاربرد دارد. سایر ، را ببینید. همچنین این در گرایش های: مهندسی برق قدرت، می تواند کاربرد داشته باشد. سایر ، را ببینید. [ برچسب: ]
 مقاله مهندسی مکانیک با ترجمه
Skip Navigation Linksصفحه اصلی > دپارتمان ها > دپارتمان فنی و مهندسی > مهندسی برق > مقاله های مهندسی برق و ترجمه فارسی آنها > پیش‌بینی کیفیت کف سرباره در کوره‌‌ی قوس الکتریکی با استفاده از شاخص‌های کیفیت توان و روش فازی
کتابخانه الکترونیک
دانلود مقالات ترجمه شده
جستجوی مقالات
با انتخاب رشته مورد نظر خود می توانید مقالات ترجمه شده آن رو به صورت موضوع بندی شده مشاهده نمایید