به کارگیری شبکه نوروفازی جهت بهینه‌سازی حلقه‌های انبساط خط لوله بخار در صنایع فرآیندی

Abstract

در این پژوهش، بهینه‌سازی حلقه‌های انبساط در خطوط لوله بخار با بهره‌گیری از شبکه نوروفازی بررسی شده است. تحلیل تنش بر اساس استاندارد ASME B31.3 و با استفاده از نرم‌افزار CAESAR II انجام شده است. همچنین، شبکه نوروفازی در نرم‌افزار MATLAB ایجاد و بهینه‌سازی گردیده است. نتایج نشان می‌دهد که شبکه نوروفازی نسبت به روش‌های سنتی و شبکه عصبی پرسپترون (Perceptron) عملکرد بهتری داشته و ترکیب آن با الگوریتم کلونی زنبور عسل (Bee Colony Algorithm) منجر به یافتن حلقه بهینه‌ای شده است که کاهش طول خط لوله و به حداقل رسیدن تنش‌های استاتیکی و حرارتی را در پی دارد. حلقه بهینه شبکه پرسپترون باعث افزایش طول حلقه به میزان ۲۰ سانتی‌متر (۱۴/۱ درصد) و کاهش مجموع تنش‌های معیار به میزان 6/۱4 درصد شد. در حالی که حلقه بهینه شبکه نوروفازی موجب کاهش طول حلقه به میزان ۱۲۰ سانتی‌متر (۷۸/۶ درصد) و کاهش مجموع تنش‌های معیار به میزان ۵/۹ درصد گردید. یافته‌های این پژوهش نشان می‌دهد که استفاده از روش‌های هوش مصنوعی در طراحی حلقه‌های انبساط، موجب کاهش تنش‌های حرارتی و افزایش کارایی طراحی می‌شود