پیش بینی شاخص ذوب پلی پروپیلن با شبکه عصبی و الگوریتم ژنتیک

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 480

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

CBCONF01_0944

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

تولید پلی پروپیلن (PP) یک کسب و کار چند میلیاردی است که تاثیرات بزرگی را در جنبه های صنعت،صنایع نظامی، علوم اقتصادی، حوزه بهداشت و پزشکی و غیره به جا گذاشته است. شاخص مذاب پلی پروپیلن تولید شده،مهمترین پارامتر در تعیین گرید آن و کنترل کیفیت در صنایع کاربردی است. شاخص ذوب معمولاً در آزمایشگاه ها باروش های تحلیلی که تقریبا دو ساعت به طول می انجامد، به صورت آنلاین محاسبه می گردد. بنابراین، این تاخیر ممکناست منجر به تولید محصولات زاید در حجم بالا گردد. بنابراین یک تخمین قابل اعتماد از شاخص ذوب در کنترل کیفیپلی پروپیلن بسیار مهم است. برای دستیابی به این هدف، بسیاری از محققان برای ساخت یک مدل برای تخمین و پیشبینی شاخص ذوب به منظور کنترل کیفیت، تلاش کرده اند.

کلیدواژه ها:

پلیپروپیلن ، شبکه عصبی ، الگوریتم ژنتیک ، مدل سازی و بهینه سازی

نویسندگان

مهدیار جهانی

دانشکده برق دانشگاه صنعتی امیرگبیر

امیرابوالفضل صورتگر

دانشکده برق دانشگاه صنعتی امیرگبیر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • (1] T. C. Z. S. Zhiqiang Ge, "Quality prediction for ...
  • Optimal online soft sensor for product quality monitoring in propylene ...
  • Melt index prediction by RBF neural network optimized with an ...
  • K.B. McAuley, J.F. MacGregor, On-line inference of polymer properties in ...
  • Y. Chen, X.G. Liu, Modeling mass transport of propylene polymerization ...
  • E.H. Lee, T.Y. Kim, Y.K. Yeo, Prediction and quality control ...
  • F. Ahmed, S. Nazir, Y.K. Yeo, A recursive PLS-based soft ...
  • B.B. Chaudhuri, U. Bhattacharya, Efficient training and improved performance of ...
  • K.J.Hunt, D.Sbarbaro, R.Zbikowski, P.J.Gawthrop, Neural networks for control systems--a survey, ...
  • _ S. L. X. Y. G. a. G. R. Haichuan ...
  • Y.-H. L. I.-S. H. a. C. H. Minjin Kim, _ ...
  • In-Su Han and Chonghun Han, Modeling of Multistage Air- Compression ...
  • Haichuan Lou, Hongye Su, Lei Xie, Yong Gu, and Gang ...
  • J. H. Holland, Adaptation in Natural and Artificial Systems: An ...
  • نمایش کامل مراجع