رد یابی نشت و کالیبراسیون شبکه های آبرسانی با استفاده از تحلیل معکوس جریان گذرا
محل انتشار: هشتمین کنفرانس هیدرولیک ایران
سال انتشار: 1388
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,160
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
IHC08_142
تاریخ نمایه سازی: 3 شهریور 1388
چکیده مقاله:
به منظور شناسایی نشت در شبکه های آبرسانی و کالیبراسیون خطوط لوله نسبت به ضرایب افت، یک جریان گذرا در سیستم تولید می شود. این جریان گذرا با باز یا بسته نمودن یک شیر تنظیم در نقطه ای از سیستم قابل دست یابی است. پس از آن مقادیر نوسانات فشار در محل هایی در سیستم به نام سایتهای اندازه گیری، با یک فرکانس مناسب نمونه برداری می شوند. در مسئله نشت یابی و کالیبراسیون، پارامترهای نشت و ضرایب افت در سیستم جزء مجهولات و مشخصات فیزیکی سیستم و مقادیر نمونه برداری شده نوسانات فشار در سایتهای اندازه گیری جزء معلومات مسئله محسوب می شوند. از این حیث این نوع مسائل را مسئله معکوس می نامند. به این منظور مدل ریاضی تحلیل جریان گذرا در خطوط لوله بصورت تابعی از پارامترهای مجهول توسعه داده می شود. با تعریف یک مسئله برنامه ریزی غیر خطی (NLP) که در آن تابع هدف شامل اختلاف مربعات بین مقادیر مشاهداتی و محاسباتی فشار در سایتهای اندازه گیری می باشد، سیاست حل مسئله طرح ریزی می گردد. متغیرهای تصمیم گیری در این تابع هدف در واقع پارامترهای مجهول نشت و ضرایب افت در سیستم می باشند. با استفاده از روش بهینه سازی دنباله وار درجه دو (SQP) به کمینه سازی تابع هدف پرداخته می شود. در نهایت به ازای حداقل مطلق تابع هدف (که از نظر تئوری برابر صفر است)، متغیرهای تصمیم گیری بهینه متناظر نشان دهنده تعداد، موقعیت و اندازه نشتی ها در سیستم و همچنین ضرایب افت لوله ها می باشند. در خاتمه نیز قابلیت روش با تعریف و تحلیل یک شبکه آبرسانی بزرگ مقیاس ارزیابی گردیده است. نتایج این مثال رضایت بخش بوده و قابلیتهای روش بهینه سازیSQP را در حل مسئله معکوس حاضر بخوبی نشان می دهند.
کلیدواژه ها:
نویسندگان
حمید شاملو
عضو هیئت علمی، دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده عمران
علی حقیقی
دانشجوی دکتری، دانشگاه صنعتی خواجه نصیرالدین طوسی، دانشکده عمران
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 :