فمقصدل ه اول ـ سیمان و فرآیند تولید آن                                                   4

–  سیمان و فرآیند تولید آن                        5

روشهای تولید سیمان                            5

١.١.١فرآیند تر                             5

١.١.٢ فرآیند خشک                          6

١.١.١٣ فرآیند نیمه خشک (نیمه مرطوب )                6

مراحل تولید سیمان در کارخانه                      6

طرحی از یک کارخانه سیمان                     7

١.٢.١  استخراج مواد اولیه و سنگ شکن                 8

 ١.٢.٢   سالن مواد                        8

١.٢.٣    سیاب مواد                        8

١.٢.۴   غبارگیر                         8

 ١.٢.۵   سیلوی ذخیره مواد خام                     8

 ١.٢.۶   پیش گرم کن                        9

١.٢.٧   کوره دوار                       10

١.٢.٨   خنک کن کلینکر               11

١.٢.٨.١      خنک کن دوار                11

 ١.٢.٨.٢   خنک کن گوشوارهای             11

 ١.٢.٨.٣    خنک کن مشبک                 11

 ١.٢.٨.۴    خنک کن عمودی                 12

 ١.٢.٩           آسیاب گچ و سیلوی آن           12

 ١.٢.١٠     آسیاب سیمان               13

 ١.٢.١١          سیلوهای سیمان و بارگیرخانه         13

فصل دوم ـ فرآیند پخت و سرد کردن            14

مقدمه                       15

‌و

 

 

 

 

 ٢.١کولر کلینکر                     15

 ٢.١.١     استوانه خنک کن                   17

 ٢.١.٢   کولر گوشواره ای                  18

 ٢.١.٣   کولر مشبک                    20

فصل سوم ـ ساختمان خنک کن شبکه ای                                                                ٢١

٣.١ خنک کن شبکه ای                  22

 ٣.١.١ خنک کن شبکه ای متحرک                  22

 ٣.١.٢ خنک کن شبکه ای رفت و برگشتی               25

٣.٢ طراحی خنک کن شبکه ای               25

٣.٣ساختمان داخلی خنک کن شبکه ای رفت و برگشتی        26

 ٣.٣.١ خنک کن یک شبکه ای                   29

 ٣.٣.٢ خنک کنهای ترکیبی                     29

 ٣.٣.٣ خنک کن چند مرحله ای با خردکن                30

٣.۴سیستم گردش هوای (دئوترم )              30

٣.۵نقطه ریزش و نقش آن در خنک کن شبکه ای        31

٣.۶ نمونه ای برای یک خنک کن واقعی           32

 ٣.۶.١  ناحیه بازیابی                    36

 ٣.۶.٢  منطقه خنک شدن نهایی                  39

فصل چهارم ـ کنترل متغیرهای خنک کن شبکه ای      40

۴.١   متغیرهای بحرانی در خنک کن کلینکر         41

 ۴.٢  کنترل مکش انتهای خروجی کوره            42

۴.٣    فشار زیر صفحات خنک کن            42

۴.۴ کنترل درجه حرارت هوای ثانویه             43

۴.۵ پیشرفتهایی در خنک کن شبکهای رفت و برگشتی          45

 ۴.۵.١  سیستم کنترل جریان صفحات شبکه ای               45

این مطلب را هم بخوانید :

 ۴.۵.١.١  مزایا                           46

 ۴.۵.١.٢  طراحی سیستم CFG                      46

 ۴.۵.٢  بازسازی تجهیزات موجود در خنک کن های قد یمی         48

 ۴.۵.٣ صفحاتی با کمترین ریزش ذرات               49

 ۴.۵.۴ صفحات شبکه ای مرده با لبه های قابل تعویض           49

‌ز

 

 

 

فصل پنجم _  برخورد اولیه با داده ها          51

مقدمه                               52

۵.١   تعیین ورودیها و خروجیها               53

۵.٢   فرکانس نمونه برداری                55

۵.٣  برخورد اولیه با داده                  55

۵.۴  روش تحلیل همبستگی داده ها                61

فصل ششم ـ شناسایی خطی کولر شبکه ای           70

مقدمه                                71

۶.١   شناسایی از روش حداقل مربعات            71

۶.٢   مدل پاسخ محدود ضربه                 73

 ۶.٣   مدل تابع تبدیل کسری یا ARX              76

۶.۴   روش متغیرهای ابزاری               79

۶.۵ روش خطای خروجی                   82

۶.۶ مدلسازی خطی با ساختارARMAX              84

۶.٧ مدلسازی خطی با ساختارBox-Jenkines            87

۶.٨ اعتبار سنجی به روش تحلیل مانده ها              89

فصل هفتم ـ شناسایی غیرخطی کولر شبکه ای         95

مقدمه                                96

 ٧.١ نگاهی به روند شناسایی غیرخطی در مدلسازی کولر شبکه ای  96

 ٧.١.١  شبکه های پرسپترون چند لایه                   96

 ٧.١.٢  آموزش شبکه                       97

 ٧.١.٣  شناسایی سیستم                       101

 ٧.١.۴   انتخاب ساختار مدل                                                         102

 ٧.١.۵  اعتبارسنجی مدل                     103

 ٧.٢  نتایج شبیه سازی                  104

 ٧.٢.١   اثر افزایش تعداد مرحله ها               104

 ٧.٢.٢   اثر افزایش تعداد نرونها                106

نتیجه گیری و پیشنهادات                           108

مراجع                                 110

 

 

 فهرست جدول ها

 

عنوان                                                                                                صفحه

جدول (١)  جنس مواد تشکیل دهنده قطعات خنک کن                                  17

 

جدول (٢)   شاخصهای ساختمان داخلی خنک کن                                       33

 

جدول (٣)   مشخصات خنک کن شبکه ای سه مرحله ای  35

 

 فهرست شکل ها

ششعککنل ول ا ١ن ۶ —١         ن ملوشخا موکونیدک یی یل ن ازجورم کرک ل کTتفFکب ه ه ای شایشب سه اریرحه کی ای         صفحه                                                                  2132451696

شکل ٣٢۵۴٧٢۴١٩۶١٩۶٨٠٧ -١-۵۵١       2ندبمدمدمطو1ل34امزuویبموایuاuیuداتاونیلیوادابکرترره ندوقشیگا سه من ردشفهرم دتپله ش٢ردو٢ل داuری2وفایک1رر(ب د(ه ١دبه م یوsبم بل)یشنوهاظاصیوجیوابل اهرح ل (خدد1اریدu)جهیاخردووجم ی                                                   43254980869171

‌ی

ش کل ٢٨٠١–۵٧       هعممبلکسترگد یشببکین ه بوه ر وودروید ایل وهم وودوتسهابام رباجیورسجووجیساووم ل با ١۴ نرون                                                                                      59218

شکل  ٢٣٢-۵     ههممببسستتگگییب بیین ن ووررووددیچاهوال م و بادوخم رووجسیوم جهباارخم روجی چهارم                                                                                                  534

شکل ١-۶        مدل بدست آمده برای MISO1 (Y1 خروجی دمای گاز  ورودی به فیلتر  )    ۵۵

شکل ٢-۶        مدل بدست آمده برای MISO2 (Y2خروجی دمای ورودی  id  فن  )         56

شکل ٣-۶        مدل بدست آمده برای MISO3 (خروجی مکش هوای ثا لثیه )  57

شکل ۴-۶        مدل بدست آمده برای MISO4 (خروجی مکش هود کوره )     58

شکل ۵-۶        مدل بدست آمده برای MISO1 (خروجی دمای گاز  ورودی به فیلتر  )        59

شکل ۶-۶        مدل بدست آمده برای MISO2 (خروجی دمای ورودی  id  فن  )    60

شکل ٧-۶        مدل بدست آمده برای MISO3 (خروجی مکش هوای ثا لثیه )  61

شکل ٨-۶        مدل بدست آمده برای MISO4 (خروجی مکش هود کوره )     62

شکل ٩-۶        مدل بدست آمده برای MISO3 (خروجی مکش هوای ثا لثیه )  63

شکل ١٠-۶      مدل بدست آمده برای MISO1 (خروجی دمای گاز  ورودی به فیلتر  )        64

شکل ١١-۶      مدل بدست آمده برای MISO2 (خروجی دمای ورودی  id  فن  )    65

شکل ١٢-۶      مدل بدست آمده برای MISO3 (خروجی مکش هوای ثا لثیه )  65

شکل ١٣-۶      مدل بدست آمده برای MISO4 (خروجی مکش هود کوره )     65

شکل ١۴-۶      مدل بدست آمده برای MISO1 (خروجی دمای گاز  ورودی به فیلتر  )        66

شکل ١۵-۶      مدل بدست آمده برای MISO2 (خروجی دمای ورودی  id  فن  )    66

شکل ١۶-۶      مدل بدست آمده برای MISO3 (خروجی مکش هوای ثا لثیه )  66

شکل ١٧-۶      مدل بدست آمده برای MISO4 (خروجی مکش هود کوره )     67

شکل ١٨-۶       مدل بدست آمده برای MISO1 (خروجی دمای گاز  ورودی به فیلتر  )       67

شکل ١٩-۶       مدل بدست آمده برای MISO2 (خروجی دمای ورودی  id  فن  )  68

شکل ٢٠-۶       مدل بدست آمده برای MISO3 (خروجی مکش هوای ثا لثیه )       68

شکل ٢١-۶       مدل بدست آمده برای MISO4 (خروجی مکش هود کوره )    69

شکل ٣٢١-٧         بعشلموبلکککه ردیاصشگببراکیم Pپبه رLوسMره ودباین٣هساوارییویتییت وس١رم الاییه خمرخوفجیی او٢ل خروجی                                                                7310

شکل ۴-٧         عملکرد شبکه به ورودی های تست برای خروجی دوم (دمای ورودی id فن )     ٧٨ شکل ۵-٧         عملکرد شبکه به ورودی های تست برای خروجی سوم (مکش هوای ثالثیه )       ٧٩

شکل ۶-٧         عملکرد شبکه به ورودی های تست برای خروجی چهارم (مکش هودکوره )           80

شکل ٧-٧         عملکرد شبکه به ورودی های تست برای خروجی سوم در٢٠٠ مرحله        90

‌ک

 

 

‌

چکیده :

اهمیت کارکرد سیستمهای خنک کننده      ١به منظور دستیابی به استانداردهای بالای کیفی در محصول تولیدی و سیستمهای غبارزدای مربوطه به منظور رعایت استانداردهای آلایندگی ٢ در صنعت سیمان باعث پویایی فنآوری تولید این سیستمها و به موازات آن افزایش هزینه های تولیدی آنها شده است . این مسئله ایجاب میکند که شرایط بحرانی احتمالی با منشاء هوای داغ که باعث صدمه زدن به کارکرد این سیستمها خواهد شد شناسایی شده و اقدامات حفاظتی در مقابل آن صورت گیرد. شناسایی چنین شرایطی مستلزم شناسایی و مدلسازی رفتاری این سیستم میباشد که با توجه به رفتار فوق العاده غیرخطی آن نیاز به گرایش به سمت شیوه های مدلسازی هوشمند نظیر شبکه های عصبی میباشد.

در این پروژه هدف بررسی رفتار غیرخطی سیستم خنک کننده مشبک بمنظور شناسایی و مدلسازی آن در هنگام بروز تغییرات ناگهانی درجه حرارت یا فشار هوای ورودی به سیستم و حفاظت و کنترل سیستم در قبال این شرایط بحرانی گامهای بعدی آن میباشد.

کولرهای مشبک با غبارزدایی فیبری استفاده وسیعی در صنعت سیمان داشته و بدلیل اهمیت کاربردی و همچنین هزینه بالای اقتصادی همواره مورد توجه ویژه موسسات مطالعاتی معتبر و کارخانجات تولیدی جهت حفاظت از آنها بودهاند.

این تحقیق منطبق بر نیاز فزاینده صنایع داخلی تولید سیمان برای دستیابی به شیوه های مطمئن در پیشبینی شرایط بحرانی محتمل برای کولرها و غبارگیرها و جلوگیری از آسیب دیدن آنها و نهایتاًً زیانهای اقتصادی منتجه تعریف و اجرا گردید.

در این پروژه با بررسی رفتار فیزیکی کولر مشبک ٣ و تعیین ورودیها و خروجیهایی که بتواند تا اندازه زیاد رفتار سیستم را بازتاب نمایند، و همچنین دریافت اطلاعات واقعی از کارخانه سیمان بجنورد روی مدلهای خطی با استفاده از روشهای شناسایی کار شد و در آخر مدل غیرخطی با استفاده از شبکه عصبی MLP ارائه گردید.

 

 کلمات کلیدی :

خنک کننده مشبک ـ مدلسازی و شناسایی سیستم ـ شناسایی خطی و غیرخطی ـ شبکه های عصبی

 MLP

 

 

1‌-Cooler

2‌– Dedusting System

3‌– Grate Cooler

1

 

 

 

• مقدمه :

یکی از مهمترین کاربرد سیستمهای خنک کننده در صنعت سیمان است . خنک کننده های شبکه ای در صنعت سیمان برای خنک کردن ذرات داغ کلینکر مورد استفاده قرار میگیرد.

کلمه سیمان به هر نوع ماده چسبندهای اطلاق میشود که قابلیت به هم چسباندن و یکپارچه کردن قطعات معدنی را دارا باشد. در شاخه مهندسی عمران سیمان گردی است نرم ، جاذب آب ، چسباننده سنگریزه که اساساًً مرکب از ترکیبات پخته شده و گداخته شده اکسید کلسیم ، اکسید سیلسیم ، اکسید آلومینیم و اکسید آهن میباشد. ملات این گرد قادر است به مرور در مجاورت هوا یا در زیر آب سخت شود و در زیر آب ، در ضمن داشتن ثبات حجم ، مقاومت خود را حفظ نموده و در فاصله ٢٨ روز زیر آب ماندن دارای حداقل مقاومت ٢۵٠ کیلوگرم بر سانتیمترمربع گردد.

چگونگی خنک کردن کلینکر روی ساختمان بلوری کانیها، قابلیت خرد شدن و نهایتاًً کیفیت سیمان تأثیر دارد و اصولاًً به همین دلایل است که توجه به خنک کننده ها بسیار ضروری است . از طرفی بدلیل رفتارهای غیرخطی در مراحل پخت سیمان برخی پیشبینیها قبل از وقوع حوادث از ضررهای هنگفتی جلوگیری میکند.

متأسفانه کارهای تحقیقاتی در جهت شناسایی و مدلسازی بخصوص در زمینه موضوع این پروژه بسیار کم انجام شده است .شاید یکی از دلایل آن ارتباط بیش از حد بین قسمتهای مختلف پروسه و اثرگذاری آنها بر یکدیگر باشد.بیشتر مراجع موجود اطلاعات تجاری در زمینه کولرهای شبکه ای بود و بسنده کردن به چند مرجع محدود بسیار، پیشرفت کار را کند میکرد.

گام بعدی جمعآوری داده از سیستم واقعی بود. بدلیل بعد مسافت و مشکلات اداری گرفتن داده از طریق مکاتبه امکانپذیر نبود. کارخانه سیمان بجنورد یکی از کارخانه های سیمان بود که سیستم خنک کننده مشبک در آن موجود بود. با  همکاری مدیریت و مسئولان این کارخانه داده ها جمع آوری شد(داده های مربوط به دو ماه کاری کارخانه در اختیار گذاشته شد) ولی با توجه به اشکالاتی که در قسمت ثبت داده به صورت اتوماتیک داشتند داده ها دستی توسط اپراتور و مجموعاًً ٢۴ داده برای هر پارامتر در هر روزموجود بود و این نگرانی وجود داشت که به خاطر فرکانس پایین جمعآوری داده بعضی اطلاعات مفید را از دست داده باشیم . ولی پس از بررسی معلوم شد که جز در حالات غیرعادی کار  داده ها از رنج تقریباًً ثابتی برخوردار بودند. مرحله بعد بررسی کلی داده ها بود و سپس وارد تست روشهای شناسایی خطی شدیم . با توجه به پیشبینی که از قبل هم میکردیم تستهای شناسایی خطی جوابهای قانع کننده ای نداشتند. که این اظهارنظر با توجه به بررسی خروجی، شاخص Fitness وتستهای دیکر

2

 

 

 

انجام گرفته است . مدلسازی غیرخطی را با توجه به داشتن تجربه قبلی از مدلسازیهای خطی و همچنین مراجع موجود که درباره مدلسازی ریاضی سیستم کار کرده بودند با روش شبکه عصبی MLP و آموزش مارکوات رونبرگ انجام دادیم . پاسخهای گرفته شده موفقیت مدلسازی را تایید می کردند.

به هر حال امیدوارم  این پروژه در عمل بتواند گامی هر چند کوچک در رفع مشکلات موجود در صنعت سیمان بردارد.

 

 

فصل اول

 

سیمان و فرآیند تولید آن

 

• فصل اول : سیمان و فرایند تولید آن

١.١. روشهای تولید سیمان

پیشرفت صنایع سیمان موجب پدید آمدن روشها و تکنولوژیهای جدید سیمان گردیده است . هدف کلی در این روشها رسیدن به حداکثر تولید و محصول مطلوب در ازاء حداقل هزینه های تولید است .

روشهای مختلف بسته به شرایط محلی و یا اقلیمی ممکن است انتخاب گردند. روشها به سه نوع کلی زیر تقسیم میشوند.

۱-۱هدف :(کنترل پیش بین مبتنی بر مدل و مفاهیم آن )                                            ۶
۱-۲تعاریف اولیه                                                                                       ۷
۱-۳معرفی اصول کنترل پیش بین مبتنی بر مدل                                                    ۸
۱-۴مراحل طراحی کنترل پیش بین                                                                  ۹
۱-۵نمودار بلوکی MPC                                                                             ۹
۱-۵-۱مدل پیش بین                                                                                   ۱۰
۱-۵-۲تعیین ورودی کنترلی بهینه                                                                    ۱۰
۱-۵-۲-۱تابع هدف                                                                                    ۱۱
۱-۶-مزایا و معایب کنترل پیش بین مبتنی بر مدل                                                  ۱۲
۱-۷-کنترل پیش بین مبتنی بر مدل غیرخطی                                                       ۱۲
فصل دوم :کنترل پیش بین مبتنی بر مدلهای هوشمند(مدل شبکه عصبی ،مدل فازی ،مدل فازی -عصبی ) و روشهای بهینه سازی درکنترل پیش بین

۲-۱-مقدمه                                                                                             ۱۵
۲-۲-مدلسازی                                                                                         ۱۶
۲-۲-۱-شبکه های عصبی                                                                            ۱۶
۲-۲-۱-۱-کنترل پیش بین غیرخطی مبتنی بر شبکه عصبی                                       ۱۷
۲-۲-۱-۲-مدلسازی سیستم غیرخطی توسط شبکه های عصبی                                   ۱۷
۲-۲-۲سیستمهای فازی                                                                                ۱۹
۱-۲-۲-۲نگاهی بر ریاضیات فازی                                                                  ۲۰
۲-۲-۲-۲مدلسازی سیستمهای فازی از روی داده های ورودی -خروجی                       ۲۳
۲-۲-۲-۳-کنترل پیش بین غیرخطی مبتنی بر مدلهای فازی                                       ۲۵
۲-۲-۲-۴-مدلسازی سیستم غیرخطی توسط منطق فازی                                           ۲۵
۲-۲-۳مدلسازی سیستم غیر خطی توسط شبکه های فازی -عصبی                              ۳۱
۲-۲-۳-۱سیستم فازی -عصبی شبه ARMAX                                                     ۳۳
۲-۲-۳-۲سیستم فازی -عصبی تطبیقی                                                               ۳۳
۲-۳-بهینه سازی                                                                                       ۳۵
عنوان مطالب                                                                                                                 شماره
                    صفحه
۲-۳-۱بهینه سازی به روش گرادیان کاهشی                                                        ۳۵
۲-۳-۱-۱-روش گرادیان کاهشی با باقیمانده                                                        ۳۶
۲-۳-۱-۲-روش گرادیان نزولی بدون باقیمانده                                                     ۳۸
۲-۳-۲تأثیر η بر سرعت همگرایی وناپایداری سیستم                                              ۳۸
۲-۳-۳-عیب روش گرادیان کاهشی                                                                 ۳۹
۲-۳-۴-راه حلهای پیشنهادی برای خروج از مینیمم های محلی                                   ۳۹
۲-۳-۵-حل مسأله بهینه سازی توسط شبکه های عصبی                                           ۴۳
فصل سوم :شبیه سازی کنترل پیش بین مبتنی بر مدل فازی -عصبی بر روی یک فرآیند سه تانکه تنظیم ارتفاع مایع
۳-۱-مقدمه                                                                                             ۴۶
۳-۲-توصیف فرآیند                                                                                   ۴۶
۳-۳تعیین مدلی برای سیستم تحت کنترل ،جهت کنترل پیش بین خروجیهای آینده سیستم و استفاده       ۴۷
از آنها در کمینه سازی تابعی
۳-۳-۱-مدلسازی سیستم با استفاده از شبکه عصبی                                                ۴۷
۳-۳-۱-۱-ایجاد داده های آموزش ،داده های درستی وداده های امتحان                          ۴۹
۳-۳-۲-مدلسازی سیستم با استفاده از شبکه فازی -عصبی                                        ۵۴
۳-۴-طراحی کنترل پیش بین مبتنی بر مدل عصبی -فازی برای فرآیند تنظیم ارتفاع مایع در سه تانک           ۵۴
۳-۴-۱-بررسی اثر افقهای پیش بین و کنترل در عملکرد ردیابی مسیرمرجع NMPC        ۵۹
۳-۴-۲-بررسی اثر ضرایب وزنی در عملکرد ردیابی مسیرمرجع NMPC                   ۶۰
۳-۵- طراحی کنترل پیش بین مبتنی بر مدل عصبی -فازی برروی فرآیند دوم                  ۶۵
فصل چهارم :نتیجه گیری و ارائه پیشنهادات
۴-۱-جمع بندی و نتیجه گیری                                                                        ۷۲
۴-۲-پیشنهادات برای کارهای آینده                                                                   ۷۳
منابع و مآخذ
فهرست منابع فارسی                                                                                  ۷۵
فهرست منابع لاتین                                                                                    ۷۶
چکیده انگلیسی                                                                                         ۷۸

فهرست شکلها
 عنوان                                                                                                                     شماره صفحه

 

شکل ۱-۱:اصل کنترل پیش بین مبتنی بر مدل -تعیین ورودی مناسب با توجه به ورودی ها و    ۸ خروجیهای قبلی و خروجیهای پیش بینی شده سیستم به منظور حفظ خروجیها در محدوده مسیرمرجع
شکل ۱-۲-نمودار بلوکی ساختار MPC                                                          ۱۰
شکل ۲-۱- ساختار کنترل کننده پیش بین عصبی                                                ۱۷
شکل ۲-۲-مدل NARMAX عصبی                                                             ۱۷
شکل ۲-۳-ساختار شبکه عصبی تأخیرزمان                                                     ۱۷
شکل ۲-۴-روشهای شناسایی سری -موازی و موازی                                         ۱۸
شکل ۲-۵-شبکه عصبی پیش خورد FNN                                                       ۱۹
شکل ۲-۶-شبکه عصبی بازگشتی RNN                                                         ۱۹
شکل ۲-۷-ساختار یک کنترل کننده فازی                                                        ۲۰
شکل ۲-۸-دی فازی ساز میانگین مراکز                                                         ۲۳
شکل ۲-۹-نمایش تبدیل دانش خبره به سیستمهای فازی                                         ۲۳
شکل ۲-۱۰-نمایش مدلسازی فازی به روش تاکاگی -سوگنو                                   ۲۶
شکل ۲-۱۱-رفتار یک سیستم غیر خطی و تفکیک آن به چند زیر سیستم                    ۳۰
شکل ۲-۱۲- ساختار مدل ANFIS                                                               ۳۴
شکل ۲-۱۳- نمایش نحوه عملکرد روش گرادیان کاهشی                                      ۳۶
شکل ۲-۱۴-نمایش اثرات ضریب یادگیری η در رسیدن به نقطه مینیمم کلی                 ۳۹
شکل ۲-۱۵- تابع هزینه برحسب ورودیهای v2,v1ونمایش مینیمم های محلی و کلی         ۴۰
شکل ۲-۱۶- نمایش استفاده از مدل وارونه برای تخمین نقطه شروع                         ۴۱
شکل ۲-۱۷- تاثیر روش اندازه حرکت بر عبور از مینیمم های محلی                        ۴۲
شکل ۲-۱۸-تاثیر روش ηخود تنظیم بر عبور از مینیمم های محلی                           ۴۳
شکل ۲-۱۹- بلوک دیاگرام حل مسأله بهینه سازی به وسیله شبکه های عصبی              ۴۳
شکل ۳-۱- ساختار سیتم سه تانکه                                                                ۴۷
شکل ۳-۲- توپولوژی شبکه المان                                                                ۴۸
شکل ۳-۳-:شبکه المان اصلاح شده با اضافه شدن فیدبک با گین a                            ۴۸
شکل ۳-۴: استفاده از شبکه mlp برای مدل کردن شبکه المان                                 ۴۹
شکل ۳-۵- داده های ورودی v2,v1 برای آموزش                                              ۵۰
شکل ۳-۶-داده های ورودی اول و دوم برای تعیین درستی آموزش                          ۵۱
شکل ۳-۷-داده های ورودی اول و دوم برای امتحان آموزش                                 ۵۱
عنوان                                                                                             شماره
 صفحه
شکل ۳-۸-نمودارعملکردشبکه عصبی برای ۲۰۰۰۰نقطه در روی هرورودی به همراه خروجی حالـت ۵۲ قبل و مشتق خروجی ها وورودی حالت قبل تر
شکل ۳-۹- نمودارورودیها و خروجیهای سیستم (h2,h1) و خروجیهای مدل عصبی سیستم     ۵۳
شکل ۳-۱۰-تطبیق خروجی اول (خروجی h1 )و خروجی مدل عصبی                      ۵۳
شکل ۳-۱۱-تطبیق خروجی دوم (خروجی h2 )و خروجی مدل عصبی                      ۵۴
شکل ۳-۱۲- تطبیق خروجی اول (خروجی h1 )و خروجی مدل عصبی -فازی             ۵۴
شکل ۳-۱۳- تطبیق خروجی دوم (خروجی h2 )و خروجی مدل عصبی -فازی             ۵۵
شکل ۳-۱۴-نمایش سطح سه بعدی تغییرات h1,v2,v1در مدلسازی عصبی -فازی           ۵۵
شکل ۳-۱۵-نمایش سطح سه بعدی تغییرات h2,v2,v1 در مدلسازی عصبی -فازی          ۵۶
شکل ۳-۱۶- سطر اول نمودار ردیابی مسیر مرجع توسط خروجیهای سیستم کنترل شده –سطر   ۵۷  دوم تلاش کنترلی ورودی ( ٠.٠٥ = η)
شکل ۳-۱۷- سطر اول نموداراثرافزایش ضریب یادگیری ( ٠.٣ = η)بر ناپایداری سیستم کنترل شده -۵۸ سطر دوم ناپایداری تلاش کنترلی u
شکل ۳-۱۸- سطر اول نمودار ردیابی مسیر مرجع توسط خروجیهای سیستم کنترل شده -سـطر دوم ۵۸ تلاش کنترلی ورودی (٠.١ = η)شرط پایان محاسبه ورودی u:الف )٠.٠٠١ = u∆ ب )-٠.٠٠٠١ = u∆
شکل ۳-۱۹- عملکرد تعقیب نقطه تنظیم اول (خروجی h1)NMPC  به ازای افق های پیش بین  ۵۹ مختلف
شکل ۳-۲۰- عملکرد تعقیب نقطه تنظیم دوم (خروجی h2)NMPC  به ازای افق های پیش بین  ۶۰ مختلف
شکل ۳-۲۱- عملکرد ردیابی نقطه تنظیم اول (خروجی h1)NMPC  به ازای تغییرات ضرایب وزنی R ۶۱ شکل ۳-۲۲- عملکرد ردیابی نقطه تنظیم دوم (خروجی h2)NMPC  به ازای تغییرات ضرایب وزنی R  ۶۱
شکل ۳-۲۳- سیگنالهای کنترلی ورودی NMPC(  v1 )به ازای تغییرات R                  ۶۲
شکل ۳-۲۴- سیگنالهای کنترلی ورودی NMPC( v2 )به ازای تغییرات R                   ۶۲
شکل ۳-۲۵- عملکرد ردیابی نقطه تنظیم اول (خروجی h1)NMPC  به ازای تغییرات ضرایب وزن Q  ۶۳ شکل ۳-۲۶-عملکرد ردیابی نقطه تنظیم دوم (خروجی h2)NMPC  به ازای تغییرات ضرایب وزن Q  ۶۳
شکل ۳-۲۷- سیگنالهای کنترلی ورودی NMPC( v1 )به ازای تغییرات Q                  ۶۴
عنوان                                                                                             شماره
صفحه
شکل ۳-۲۸- سیگنالهای کنترلی ورودی NMPC( v2 )به ازای تغییرات Q                  ۶۴
شکل ۳-۲۹-سطر اول نمونه ای از گیر کردن سیستم در مینیمم های محلی (عدم ردیابی خروجی )    ۶۵
شکل ۳-۳۰- نمودار ورودیها و خروجیها(h2,h1) و خروجیهای مدل عصبی سیستم دوم       ۶۶
شکل ۳-۳۱- تطبیق خروجی اول (خروجی h1 )و خروجی مدل عصبی سیستم دوم        ۶۷
شکل ۳-۳۲- تطبیق خروجی دوم (خروجی h2 )و خروجی مدل عصبی سیستم دوم        ۶۷

این مطلب را هم بخوانید :

شکل ۳-۳۳- تطبیق خروجی اول و دوم و خروجی مدل فازی سیستم دوم – مرجع [۳۶]       ۶۸ شکل ۳-۳۴- تطبیق خروجی اول (خروجی h1 )و خروجی مدل فازی -عصبی سیستم دوم       ۶۸ شکل ۳-۳۵- تطبیق خروجی دوم (خروجی h2 )و خروجی مدل فازی -عصبی سیستم دوم       ۶۸
شکل ۳-۳۶-ردیابی مسیرمرجع و خروجی اول کنترل پیش بین بر مدل فازی -عصبی وروش گرادیان          ۶۹
کاهشی
شکل ۳-۳۷-ردیابی مسیرمرجع و خروجی دوم کنترل پیش بین بر مدل فازی -عصبی وروش گرادیان ۶۹ کاهشی
شکل ۳-۳۸-ردیابی مسیرمرجع و خروجی اول کنترل پیش بین مبتنی بر مدل فازی وروش ۷۰ فانکشنال -مرجع [۳۶]
شکل ۳-۳۹-ردیابی مسیرمرجع و خروجی دوم کنترل پیش بین مبتنی بر مدل فازی وروش ۷۰ فانکشنال -مرجع [۳۶]

چکیده :
در این پروژه ،کنترل پیش بین غیرخطی بر پایه مدل عصبی -فازی جهت کنترل فرآیندهای چند ورودی – چندخروجی ارائه شده است .بخش عصبی از شبکه المان بازگشتی اصلاح شده و بخش فازی -عصبی از مدل فازی -عصبی تطبیقی ANFIS برای مدلسازی استفاده کرده است .بـرای جمـع آوری داده هـا جهـت شناسـایی مدل ،۲۰۰۰۰ داده از دستور randgen نرم افزار MATLAB به دست آمده است .این روش شـامل خـصوصیات جالب کنترل پیش بین کلاسیک است .به علت اینکه از روش گرادیان کاهشی ،که یـک الگـوریتم روشـن و ساده است ؛ برای حل مسأله بهینه سازی استفاده می کند، با همگرایی بیشتری به نقطه بهینه تلاش کنترلـی مـی رســیم .مــشکلات ایــن روش بهینــه ســازی را بــا الگوریتمهــای اثبــات شــده (مــدل وارونه ،انــدازه حرکــت و
ηخودتنظیم ) به میزان قابل توجهی برطرف نمـوده ایـم . جهـت بررسـی عملکـرد ایـن روش کنترلـی بـرروی فرآیندهای چند ورودی -چند خروجی ازفرآیند تنظیم ارتفاع مایع در سه تانک که به مخزن جمع آوری مایع متصل اند،استفاده شده است .نتایج شبیه سازیها نشان می دهندکه مدل فـازی -عـصبی ارائـه شـده در شناسـایی فرآیندهای غیرخطی بسیار توانا بوده و یک مدل مناسب از فرآیندرا شناسایی می کنـد.همچنـین کنتـرل پـیش بین مبتنی بر این مدل (فازی -عصبی )  در میزان فراجهش و زمان نشست ،دارای عملکرد بهتری است .

کلیــد واژه :کنتــرل پــیش بــین غیرخطــی چندمتغیره ،مــدل فــازی -عــصبی ،بهینه ســازی بــه روش گرادیــان کاهشی ،فرآیند تنظیم ارتفاع مایع در تانک .

مقدمه :
امروزه لزوم کنترل بهینه سیستمهای غیر خطی چند متغیره به منظور رسیدن به پایداری و پاسخ مطلوب بیشتر احساس می شود. با توجه به گـسترش روز افـزون و پیـشرفت تکنولـوژی در زمینـه پیـاده سازی محاسبات حجیم و پیچیـده ,امکـان اسـتفاده از الگوریتمهـای غیـر خطـی مربـوط بـه سیـستمهای چندورودی .چند خروجی ایجاد شده است .این امر باعث شده است که در سالهای اخیر محققـین بـسیاری در این زمینه تحقیقات زیادی انجام داده و الگوریتمهای مناسب تری ارائه دهند.تکنیکهای طراحی بـسیار کمی وجود دارند که می توانند پایداری پروسه را در حضور مشخصات غیـر خطـی و محـدودیتها تـضمین کنند.کنترل پـیش بـین مبتنـی بـر مـدل ١ (MPC) یکـی از ایـن تکنیکهاسـت [۶] . MPCبـه دسـته ای ازالگوریتمهای کامپیوتری اشاره دارد که رفتار آینده پروسه را از طریق استفاده از یـک مـدل صـریح از آن فرآیند کنترل می کند.الگوریتم MPC در هر بازه کنترلی یک دنبالـه حلقـه بـاز از تنظیمـات متغیرهـای دستکاری شونده 2(MV) را جهت بهینه سازی رفتار آینده پروسه محاسبه می کنـد.اولـین ورودی دنبالـه بهینه به پروسه اعمال گردیده و عملیات بهینه سازی در بازه های کنترلی دیگـر تکـرار مـی شـود[۶] . بـا توجه به خواص بسیار مطلوب کنترل کننده های پیش بین مبتنی بـر مـدل ،ایـن کنتـرل کننـده هـا بـه سرعت در محدوده وسیعی از صنایع مختلف به کار گرفته شدند.طوری که تا سـال ۱۹۹۶ بـیش از ۲۲۰۰ مورد پیاده سازی عملی از این کنترل کننده ها که مدل خطی را به کار برده اند،گزارش شده است .این در حالیست که حدود ۸۰ درصد این پیاده سازی ها در صنایع پتروشیمی مـی باشـد[۷و۸]. امـروزه ،کـاربرد کنترل کننده های MPC بر اساس مدلهای دینامیک خطی ،محدوده وسیعی از کاربردهـا را پوشـش مـی دهدو  MPC خطی به حد کمال رسیده اسـت [۹] .بـا ایـن وجـود ،تعـدادی از فرآینـدهای تولیـدی ذاتـاً غیرخطی هستندو حالتهایی وجود دارند که در آنها اثرات غیر خطی اهمیت زیادی می یابد و قابـل چـشم
پوشی نیست .اینها حداقل دو دسته وسیع از کاربردها را در بر می گیرند[۶] :
۱-مسائل کنترل تنظیمی که فرایند به شدت غیرخطی بوده و به طور متوالی  در معرض اغتشاشات بزرگ قرار دارد(کنترل pHو….).
۲-مسائل کنترل تعقیبی که نقاط کار عملیاتی به تناوب تغییر می کندو محدوده وسـیعی از دینامیکهـای فرایند غیر خطی را پوشش می دهد(صنایع پلیمری ،سنتز آمونیاک و…..).
در اینگونه مسائل اغلب مدلهای خطی برای توصیف دینامیکهای فراینـد نامناسـب اسـت و مـدلهای غیـر خطی بایستی مورد استفاده قرار گیرند.کنترل پیش بـین غیرخطـی 3(NMPC) توسـعه خـوبی از کنتـرل پیش بین خطی به جهان غیرخطی است .NMPC از نظر مفهومی شبیه همتای خطی خـود اسـت بـا ایـن تفاوت که برای بهینه سازی و پیش بینی فرایند از مدلهای دینامیک غیر خطی استفاده می گردد[۹].
مدلسازی سیستمهای غیر خطی از سه راه عمـده قابـل انجـام اسـت .راه اول اسـتفاده از مـدلهای مختلف برای نقطه های گوناگون کار سیستم است .راه دوم استفاده از معادلات پایه ای مانند تبدیلات جرم و انرژی است که در اکثر کاربردها به علت پیچیدگی فرآیند این کار مـشکل اسـت .راه سـوم و بهتـرین راه

1 Model predictive control
2 Manipulated Variables
3 Nonlinear Model Predictive Control
– 2 –

استفاده از مدلهای جعبه سیاه و تنها براساس داده های ورودی -خروجی یا به عبارتی شناسایی فرایند می باشد.در واقع مدلسازی تجربی پروسه ، تبدیل داده های ورودی وخروجی موجود بـه یـک رابطـه ورودی – خروجی است که می توان برای پیش بینی رفتار آینده سیستم از آن استفاده کرد[۹].مدلهای مختلفی بـر اساس مدلسازی تجربی ارائه شده اند.مدلهای ارائه شده را می توان به ۲ دسته کلاسیک و هوشمند تقسیم بندی کرد.از مدلهای کلاسـیک مـی تـوان بـه مـدلهای ولتـرا١ ، چنـد جملـه ای NARMAX ، مـدلهای همرشتاین و وینر٢ اشاره کردو برای مدلهای هوشمند می توان مدلهای عصبی ،عصبی -فازی و فازی را نـام برد[۱۰].
به طور خاص مدلهای عصبی و فازی دارای ساختار ساده ای هستند که کاربردشان را در NMPC
آسان می کند.شبکه های عـصبی مـصنوعی ابزارهـای مناسـبی جهـت سـاختن مـدل فرآینـد غیرخطـی هستند.زیرا نسبت به روشهای کلاسیک ،توسعه آسانتری یافته اند،پیچیدگی معادلات دیفرانـسیل معمـولی را ندارنـد،حجم محاسـبات NMPCدر آنهـا کـم و قابلیـت تقریـب پروسـه هـا را بـا هـر دقـت دلخـواهی دارند[۷و۸].مدل عصبی برای مسائل کنترل به خصوص سیستمهای پیچیده که مدلـسازی آنهـا یـا میـسر نیست و یا به سختی انجام می شود،بسیار مناسب می باشد.
مدلهای فازی را می توان بـه عنـوان یـک سیـستم دینـامیکی غیرخطـی در نظـر گرفـت کـه قادرنـد سیستمهای واقعی را هر چقدر پیچیده ،از روی داده های تجربی و براساس محاسبات عددی با دقت خاص تقریب بزنند. همچنین مدلهای فازی بدلیل سازگاری بـا منطـق بـشری و اسـتفاده از آنهـا در ترکیـب بـا الگوریتم های MPC خطی ،جزء روشهای مناسب مدلسازی غیر خطی می باشند[۹و۱۰].
دومین بخش در کنترل پیش بین غیر خطی ، بخش بهینه سازی و کنترل است .کنترل پیش بین غیر خطی یک استراتژی کنترلی است که کاربرد روشهای بهینه سازی در آن ضروری است .بهینـه سـازی در NMPC نسبت به حالتهای خطی نیازمند محاسبات طولانی و وقت گیرتری اسـت [۱۹].در حالـت کلـی ودر اغلب حالات ،مسائل کنترل بهینه NMPC به یک مسأله برنامه ریزی غیر خطی ٣ (NLP) ابعاد محدود منجر می گردند.این مسأله برنامه ریزی غیر خطی ، با استفاده از برنامه ریزی مربعی ترتیبی ٤ (SQP) قابل حل است [۲۰و۲۱].با توجه به مقالات و منابع موجود، بیشتر مسائل بهینه سازی توسط روشهای کلاسیک مانند روش QP،SQP حل می شوند[۲۲و۲۳]. همچنین روشهای هوشمند ماننـد الگـوریتم هـای ژنتیـک
[۲۴] و شبکه های عصبی [۲۵]و منطق فازی وعصبی – فازی [۲۶] نیز در حل مسأله مـورد اسـتفاده قـرار گرفته اند.
در این پایان نامه ،کنترل پیش بـین مبتنـی بـر مـدل عـصبی – فـازی جهـت کنتـرل فراینـدهای چندورودی -چند خروجی ارائه شده است .دربخش مدلسازی از مدلسازی عصبی -فازی استفاده می شودکه بر روی سیستمهای MIMO تعمیم زده شده است .سیستم ابتدا با این روش مدلـسازی و سـپس بـا روش پیش بین جهت رسیدن به خروجیهای مطلوب ،ورودی کنترلی تعیین وبدین ترتیب سیـستم کنتـرل مـی شود. ثابت می شودکه مدل فازی به دلیل سـازگاری بـا منطـق انـسان ،جزء روشـهای مناسـب مدلـسازی

1 Voltera Models
2 Hammerstein and Wiener models
3Nonlinear Programming
4 Sequntial Quadratic Programming
– 3 –

سیستمهای غیرخطی می باشد.در نرم افزار MATLAB،روش پیش بین عصبی – فازی به منظور مقایـسه و نتیجه گیری بهترنسبت به روش پیش بین عصبی انجام شده است و نتایج حاصـل از هـردو روش بـا

١-٣-۴-٢ سیستم آرایه تطبیقی                                                          ١٨
١-٣-۵ روند تکامل فناوری آنتن های هوشمند                                        ١٩
١-٣-۶ کاربردهای آنتن هوشمند                                                           ٢٠
١-٣-٧ مزایای استفاده از آنتن های هوشمند                                            ٢١
١-٣-٨ معایب استفاده از آنتن های هوشمند                                            ٢۴
فصل دوم: الگوریتم های شکل دهی تطبیقی آرایههای آنتنی                            ٢۵
٢-١ معیارهای بهینهسازی وزنهای آرایه                                       ٢۶
٢-١-١ معیار MMSE                                                                        ٢۶
٢-١-٢ معیار Max SIR                                                                     ٢٩
٢-١-٣ معیار LCMV                                                                        ٣٠
٢-١-۴ ارتباط بین معیارهای مختلف                                                     ٣٢
٢-٢ الگوریتم های تطبیقی                                                       ٣٣
٢-٢-١ الگوریتم های تطبیقی مبتنی بر رشتهی آموزشی                            ٣۴
٢-٢-١-١ الگوریتم LMS                                                                ٣۴
٢-٢-١-٢ الگوریتم DSMI                                                               ٣٧
٢-٢-١-٣ الگوریتم RLS                                                                 ٣٨
و

٢-٢-١-۴ الگوریتم گوس                                                                ٣٩
٢-٢-٢ الگوریتم های تطبیقی کور                                                        ۴٠
٢-٢-٢-١ الگوریتم CM                                                                  ۴٢
٢-٢-٢-٢ الگوریتم DD                                                                  ۴۴
٢-٢-٢-٣ الگوریتم های ایستاندوری                                                      ۴۵
٢-٣ مقایسه الگوریتم های تطبیقی                                               ۴۶
٢-٣-١ مقایسه الگوریتم های تطبیقی مبتنی بر رشتهی آموزشی                      ۴۶
٢-٣-٢ مقایسه الگوریتم های تطبیقی کور                                               ۴٧
فصل سوم:  روش های تخمین  جهت  ورود سیگنال                                    ۴٩
٣-١ مقدمه                                                                            ۵٠
٣-٢ روشهای تخمین طیفی                                                                     ۵١
٣-٢-١ روش بارتلت                                                                           ۵١
٣-٢-٢ روش حداقل واریانس یا Capon                                                 ۵١
٣-٢-٣ روش تأخیر و جمع                                                                  ۵٢
٣-٢-۴ روش پیش بینی خطی                                                               ۵٣
٣-٢-۵ روش حداکثر آنتروپی                                                              ۵٣
٣-٢-۶ روش بیشینه درست نمایی                                                         ۵۴
٣-٣ روشهای تخمین مبتنی بر ساختار ویژه                                    ۵۴
٣-٣-١ الگوریتم MUSIC                                                                   ۵۴
٣-٣-٢ الگوریتم Beamspace MUSIC                                                ۵۶
٣-٣-٣ الگوریتم  Root- MUSIC                                                        ۵٧
٣-٣-۴ الگوریتم Unitary Circular Root-MUSIC                                ۵٧
٣-٣-۵ الگوریتم Minimum Norm                                                      ۵٧
٣-٣-۶ الگوریتم ESPRIT                                                                   ۵٨
٣-٣-٧ سایر الگوریتم ها                                                                        ۵٩
٣-۴ بررسی عملکرد و مقایسه الگوریتم ها و روش ها                       ۶٠
٣-۴-١ روش بارتلت                                                                          ۶٠
٣-۴-٢ روش تأخیر و جمع                                                                  ۶٠
٣-۴-٣ روش Capon                                                                         ۶٠
ز

٣-۴-۴ روش پیش بینی خطی                                                               ۶١
٣-۴-۵ روش MUSIC                                                                        ۶١
٣-۴-۶ روش ESPRIT                                                                       ۶١
٣-۴-٧ خلاصه عملکردی الگوریتم های مختلف                                         ۶٢
فصل چهارم : شبیهسازی الگوریتم های MUSIC،LMS  و CM                  ۶۶
۴-١ مقدمه                                                                                           ۶٧
۴-٢ تخمین زاویه ورود به آرایه با استفاده  از الگوریتم MUSIC       ۶٧
۴-٢-١ شبیهسازی الگوریتم MUSIC                                                    ۶٧

 

۴-٣ شبیهسازی الگوریتم های وزندهی عناصر آرایه                          ٧٠
۴-٣-١ الگوریتم وزن دهی عناصر به روش LMS                                   ٧١
۴-٣-١-١ شبیهسازی الگوریتم LMS                                                   ٧١
۴-٣-٢ الگوریتم وزندهی عناصر به روش CM                                       ٧٨
۴-٣-٢-١ شبیهسازی الگوریتم CM                                                    ٧٩
فسѧاصزل یپѧآننجهام : روشهѧای پیѧشنهادی مبتنѧی بѧر جهѧت و سѧرعت حرکѧت و نتѧایج شѧبیه ٨٧
۵-١ مقدمه                                                                           ٨٨
۵-٢ تخمین وزنهای آرایه بر اساس جهت و سرعت حرکت منبع       ٨٨
۵ح-ر٢ک-ت ١منشببع یهسازی الگوریتم تخمین وزنهای آرایه مبتنѧی بѧر جهѧت و سѧرعت  ٩٠
۵-٢-١-١ شبیهسازی روش پیشنهادی با استفاده از الگوریتم LMS     ٩١
۵-٢-١-٢ شبیهسازی روش پیشنهادی با استفاده از الگوریتم CM     ٩٣
۵-٣ روشی با پیچیدگی کѧاهش یافتѧه در شѧکل دهѧی تطبیقѧی الگѧوی تشعѧشعی  ٩۵ آرایهی آنتنی (تخمین وزنهای مؤثر)
ت۵ش-ع٣ش-ع١ شآربیاهیهسیازآنینریو(تشخبماین پیچویزدنگیهایکاهمؤش ری)افته در شکل دهی تطبیقѧی الگѧوی  ٩٧
ح

۵-٣-١-١ شѧѧبیه سѧѧازی روش تخمѧѧین وزنهѧѧای مѧѧؤثر بѧѧا اسѧѧتفاده از الگѧѧوریتم ٩٨
LMS
۵-٣-١-٢ شѧѧبیه سѧѧازی روش تخمѧѧین وزنهѧѧای مѧѧؤثر بѧѧا اسѧѧتفاده از الگѧѧوریتم ١٠٧
CM
فصل ششم : نتیجهگیری نهایی و پیشنهادها                                           ١٢٠
۶-١ نتیجه گیری نهایی                                                           ١٢١
۶-٢ پیشنهادها                                                                     ١٢۶
پیوست                                                                                     ١٢٧
برنامههای نرمافزاری در محیط MATLAB                                  ١٢٨
پ١.برنامه نرمافزاری الگوریتم MUSIC                                              ١٢٨
پ٢.برنامههای نرمافزاری الگوریتم های LMS و CM                             ١٣١
پ٢-١.برنامه نرمافزاری الگوریتم LMS                                            ١٣١
پ٢-٢. برنامه نرمافزاری الگوریتم CM                                            ١٣۴
پ٣. برنامههای نرمافزاری روش پیشنهادی مبتنی بر جهت و سرعت حرکت ١٣٨
پ٣-١. برنامه نرمافزاری روش پیشنهادی با استفاده از الگوریتم LMS   ١٣٨ پ ٣-٢. برنامه نرمافزاری روش پیشنهادی با استفاده از الگوریتم CM   ١۴١
پ۴.برنامههای نرمافزاری روش تخمین وزنهای مؤثر                                 ١۴۴
پ۴-١. برنامه نرمافزاری روش تخمین وزنهای مѧؤثر بѧا اسѧتفاده از الگѧوریتم
١۴۴                                                                                                               LMS
پ۴-٢. برنامه نرمافزاری روش تخمین وزنهای مؤثر با اسѧتفاده از الگѧوریتم ١۴٨
CM
فهرست علائم اختصاری                                                                   ١۵٣
مقالات مستخرج از تز                                                                    ١۵۴
منابع و مآخذ                                                                                 ١۵۴
فهرست منابع فارسی                                                                     ١۵۴
فهرست منابع انگلیسی                                                                   ١۵۴
چکیده انگلیسی                                                                           ١۵٨
ط

فهرست جدول ها
عنوان                                                                                                          شماره صفحه
جدول ٢-١: مقایسه الگوریتم های تطبیقی مبتنی بر رشتهی آموزشی              ۴٨
جدول ٢-٢: مقایسه الگوریتم های تطبیقی کور                                       ۴٨
جدول ٣-١: خلاصه عملکرد روش بارتلت                                             ۶٢
جدول ٣-٢: خلاصه عملکرد روش MVDR                                        ۶٢
جدول ٣-٣: خلاصه عملکرد روش پیش بینی خطی                                 ۶٢
جدول ٣-۴: خلاصه عملکرد روش حداکثر آنتروپی                                ۶٣
جدول ٣-۵: خلاصه عملکرد روش ML                                             ۶٣
جدول ٣-۶: خلاصه عملکرد روش Beamspace MUSIC                        ۶٣
جدول ٣-٧: خلاصه عملکرد روش Root-MUSIC                                ۶۴
جدول ٣-٨: خلاصه عملکرد روش  Minimum-Norm                            ۶۴
جدول ٣-٩: خلاصه عملکرد روش CLOSEST                                    ۶۴
جدول ٣-١٠: خلاصه عملکرد روش ESPRIT                                     ۶۵
جدول ۴-١: معیارهای ارزیابی الگوریتم LMS در SNRهای مختلف             ٧٧

این مطلب را هم بخوانید :

جدول ۴-٢: معیارهای ارزیابی الگوریتم CM در SNRهای مختلف               ٨۵
جدول ۵-١: مقایسه روش معمول و روش پیشنهادی مبتنی بѧر جهѧت و سѧرعت حرکѧت
٩۵
بر اساس نوع پردازش
جدول ۵-٢: معیارهای ارزیابی روشهای مختلف مبتنی بر  الگوریتم LMS    ١٠۶ جدول ۵-٣: معیارهای ارزیابی روشهای مختلف مبتنی بر  الگوریتم CM     ١١٨
ی

فهرست شکل ها
عنوان                                                                                                      شماره صفحه
١-١: بلوک دیاگرام آنتن های آرایهای ونحوه وزندهی آن                             ١١
١-٢: مقایسه سیگنال ورودی باخروجی در آنتن آرایهای                              ١١
١-٣: آرایه خطی                                                                         ١٢
١-۴: آرایه مسطح                                                                        ١٢
١-۵: آرایه یکنواخت خطی                                                                 ١٢
١-۶: الگوی تشعشعی یک آرایه خطی ٨ عنصری درمختصات قطبی              ١۴
١-٧: الگوی تشعشعی یک آرایه خطی ٨ عنصری درمختصات دکارتی       ١۴
١-٨: دو تقسیم بندی سیستم آنتن هوشمند                                                ١٧
١-٩: سرویس دهی به دو کاربر در یک سلول با استفاده از سیستم هوشمند آرایهی تطبیقی ١٨
١-١٠: مقایسه سیستم آنتن هوشمند آرایهی تطبیقی و  پرتو سوئیچ شده                 ١٩
١-١١: کاربرد آنتن هوشمند در رد گیری کاربر در هر لحظه                          ٢٠
١-١٢: قابلیت ترکیب سیگنالهای چند مسیره درآنتن هوشمند                          ٢٠
١-١٣: قرار گرفتن ایستگاه پایه در کنار جادهها با استفاده از روش مرسوم       ٢١
١-١۴: قرار گرفتن ایستگاه پایه در کنار جادهها با استفاده از سیستم آنتن هوشمند   ٢١
١-١۵: مقایسه آنتن های همه جهته با آنتن های هوشمند از لحاظ سطح تحت پوشش یک ٢٢
BTS
١-١۶: افزایش کیفیت لینک رادیویی و عدم تداخل در آنتن های هوشمند            ٢٣
٢-١: صفحه سیگنال خطا بر حسب وزنهای یک آرایه دو عنصره                     ٣۵
٣-١: ساختار کلی در روش تأخیر و جمع                                                ۵٢
٣-٢: آرایه ای از عناصر به صورت دوبعدی                                            ۵۶
٣-٣: آرایه ای صفحهای با ساختار هندسی دلخواه متشکل از m حسگر دوتایی    ۵٨
ک

۴-١: فلوچارت الگوریتم MUSIC                                                        ۶٧
ف۴ید-ی٢گ خبمریان یزیاک ویهمنوبرع ود با استفاده از الگوریتم MUSIC در دو حالت با فیدینگ و بدون ۶٨ ف۴ید-ی٣ن:تخبمریان ی زداوویمهبوع رود با استفاده از الگوریتم MUSIC در دو حالت با فیدینگ و بدون ۶٨ ف۴ید-ی۴ن:تخبمریان ی زساهویمهنبوع رود با استفاده از الگوریتم MUSIC در دو حالت با فیدینگ و بدون ۶٩ ف۴ید-ی۵ن:تخبمریان ی زهافوت یه مونبرع ود با استفاده از الگوریتم MUSIC در دو حالت با فیدینگ و بدون ۶٩ ف۴ید-ی۶ن:خوطابدیونSفیMدینگ تخبمریان یزیاوک یه مونبرع وبدا تباکارساترفاد٠ه٠ا٠زالباگرو.ریتم MUSIC در دو حالت با ٧٠
۴-٧:فلوچارت الگوریتم LMS                                                              ٧١
۴ح-ض٨:ورموسقیعگینت ال متدنباع خلییدگرنااللگنوسربیتت م  بSهMمLوقعیت در لحظه ٠=t با سرعت ثابت ، بدون ٧٢ ی۴ک -٩:سیمگونقاعلت تدامخنلبیع دسرگالناگلورنیستبت S بLMموقعیت در لحظه ٠=t با سرعت ثابت ، با حضور ٧٢ د۴و-٠س١ی:گنمالقتعدیات خلیمنبدع رسالیگگونارلتنسSبت LMبه موقعیت در لحظه ٠=t با سرعت ثابت ، با حضور ٧٣ ا۴س-تف١اد١ه: انزسابلت گورسییتگم ناSلMبهL نویز درخروجی آنتن هوشمند بدون حضور سیگنال تداخلی و ٧۴ ا۴س-تف٢اد١ه: انزسابلت وسرییتگم ناMSبهL نویز درخروجی آنتن هوشمند با حضور یک سیگنال تداخلی و ٧۴ ت۴دا-خ٣ل١ی: وسابست تفادسهگازنالالگبهورنویتیم زSبعMلاLوه تداخل درخروجی آنتن هوشمند با حضور دو سیگنال ٧۵
۴-١۴ : خطای الگوریتم LMS بدون حضور سیگنال  تداخلی                           ٧۶
۴-١۵: خطای الگوریتم LMS با  حضور یک سیگنال   تداخلی                        ٧۶
۴-١۶: خطای الگوریتم LMS با حضور دو  سیگنال  تداخلی                             ٧٧
۴-١٧: فلوچارت الگوریتم CM                                                            ٧٨
۴ح-ض٨و١ر: مسویقگعنیاѧلت تدمانبخѧѧلع یسدѧѧیرگانلاگلونرѧسیتبم MبCѧѧه موقعیѧѧت در لحظѧѧه ٠=t بѧا سѧѧرعت ثابѧѧت ، بѧѧدون ٧٩
ل

ی۴ک -١٩س:گمناولقعتیدت اخلمنیع درسیالگگناولرینتسم بت Cبه موقعیت در لحظه ٠=t با سѧرعت ثابѧت ، بѧا حѧضور ٨٠ د۴و-٠س٢ی:گناملقتعدیات خلیمنبدع رسالیگگونارلتنسبMت C به موقعیت در لحظه ٠=t با سرعت ثابѧت ، بѧا حѧضور ٨٠ ا۴س-تف١اد٢ه: انزسبالت وسرѧییتگم نالM بѧCه نѧویز درخروجѧی آنѧتن هوشѧمند بѧدون حѧضور سѧیگنال تѧداخلی و ٨١
۴سی-گ٢نا٢ل: نتѧѧدسابخلت یسویاگسناتفلدبههزنѧѧ اولیگزوبرعیѧѧتلاوهMتѧѧCداخل در ورودی آنѧѧتن هوشѧѧمند بѧѧا حѧѧضور  یѧѧک ٨١
۴سی-گ٣نا٢ل:  تندѧѧاسخبلت ی وسѧѧایسگتنفاالدهبѧاѧهز ناѧلѧوگیوزربیتعم ѧѧلاMوهCتѧѧداخل در ورودی آنѧѧتن هوشѧѧمند بѧѧا حѧѧضور دو ٨٢
۴سی-گ۴نا٢ل:  تندѧاسخبلت ی وسѧی اگسناتلفادبههازنѧوالیزوبرعѧیتلام وهMتCѧداخل در خروجѧی آنѧتن هوشѧمند بѧا حѧضور یѧک ٨٢
۴سی-گ۵نا٢ل:  تندѧѧاسخبلت ی وسѧѧایسگتنفاالهبѧѧاهزناѧѧلوگیزربیعتѧѧم لاوCMتѧѧداخل در خروجѧѧی آنѧѧتن هوشѧѧمند بѧѧا حѧѧضور دو ٨٣
۴-٢۶:خطای الگوریتم CM بدون حضور سیگنال تداخلی                               ٨۴
۴-٢٧: خطای الگوریتم CM با حضور یک سیگنال  تداخلی                              ٨۴
۴-٢٨:  خطای الگوریتم CM با  حضور دو سیگنال تداخلی                            ٨۵
ب۵ه-م١:حومرسیآررایحهرکت منبع نسبت یه محور اصلی آرایه. الف : موازی. ب: با زاویه ی نسبت ٨٩
۵-٢: فلوچارت الگوریتم پیشنهادی تخمین وزنهای آرایه بر اساس جهت حرکت و ٩٠ سرعت منبع
ا۵س-تف٣ا:دهخاطزѧاالیگوررویتشم SمبMتنLѧѧی بѧѧر جهѧѧت حرکѧѧت و سѧѧرعت منبѧѧع بѧѧدون سѧѧیگنال تѧѧداخلی و بѧѧا  ٩١ و۵-با۴اسختفاطداهیازراولگشورمیبتم یS بLMجهت حرکت و سرعت منبع با حضور یѧک  سѧیگنال تѧداخلی ٩١ ب۵ا -ا۵س:فاخدهطاازی الرگووشریتمم بتSنیMبLر جهت حرکت و سرعت منبع با حѧضور دو سѧیگنال تѧداخلی و ٩٢ ا۵س-ت۶فا:دهخاطزѧѧاالیگوررویتشم  مMبتCنѧѧی بѧѧر جهѧѧت حرکѧѧت و سѧѧرعت منبѧѧع بѧѧدون سѧѧیگنال تѧѧداخلی و بѧѧا ٩٣
م

و۵-با٧اسختفطاداهیازراولگشورمیبتم یMبرC جهت حرکت و سرعت منبع  با حضور یѧک سѧیگنال تѧداخلی ٩٣ ب۵ا -ا٨س:فاخدهطاازی الرگووشریتمم بتنMیCبر جهت حرکت و سرعت منبع با حضور دو سیگنال تѧداخلی  و٩۴
۵-٩: فلوچارت روش پیشنهادی وزندهی بعضی از عناصر باتوجه به مؤثر بودن آنها  ٩٧ ا۵س-تف٠اد١ه: اخطالѧѧاگیرریتوشS پMیLѧѧشندهارینس(بوت نسدیگهѧنѧایل بعهنانصویѧѧزر Bمѧѧؤث۴ر)  بѧѧدون سѧѧیگنال تѧѧداخلی و بѧѧا ٩٨ و۵-با١ا١س:تفخادطه اایز ارلگووشریپتیم شSنهاMدLی(وزننبدت هیسیعگناالصبره نموؤیثزر ѧdBا۴حѧضور یѧک سѧیگنال تѧداخلی ٩٩ ب۵ا -ا٢ست١ف:دهخ اطزا ایگرووریشتم پیSشMنهLدید(رونزسنت هسییگعنناالصبهر نموؤیثزر)dBبا۴حѧضور دو سѧیگنال تѧداخلی و ٩٩ ا۵س-تف٣اد١ه: اخطالѧѧاگیرریتوشS پMیLѧѧشندهارینس(بوت نسدیگهѧنѧایل بعهنانصویѧѧزر مѧѧBؤثر٠)۴ بѧѧدون سѧѧیگنال تѧѧداخلی و بѧѧا ١٠٠ و۵- ب١۴ا:ستخفاطدها ایزرالوگشورپییتم شنSهاMدیL (دورزنسدبهت یسعینگاناصلربهمؤنوثریز) Bباdح٠ض۴ور یѧک سѧیگنال تѧداخلی ١٠٠ ب۵ا -ا۵ست١ف:دهخ اطزا ایگرووریشتم پیSشMنهLدید(رونزسنت هسییگعناناصبهر نموѧیؤزرB) بѧا٠حѧ۴ضور دو سѧیگنال تѧداخلی و ١٠١
۵عن-ا۶ص١:ر نمسؤبثت ر)سویگبانالسبتهفادنهویازز دالرگوخرریوتم جMSآنتL درونشسمبنت د  سبریاگنیلربوشنوپییزشنBهادی۴( وزن دهی ١٠٢
۵عن-ا٧ص١:ر نمسؤبثت ر)سویگبانالسبتهفادنهویازز دالرگوخرریوتم جMSآنتL درونشسمبنت د  سبریاگنیلربوشنوپییزشنBهادی٠(۴ وزن دهی ١٠٢
۵-١٨: نѧسبت سѧیگنال بѧه نѧویز بعѧلاوه تѧداخل ، در ورودی آنѧتن هوشѧمند  بѧا  حѧضور یѧک
سیگنال تداخلی برای روش پیشنهادی( وزن دهی عناصر مؤثر) و با  اسѧتفاده از الگѧوریتم ١٠٣ LMS در نسبت سیگنال به نویز dB ۴
۵-١٩: نسبت سیگنال به نѧویز بعѧلاوه تѧداخل ، در خروجѧی آنѧتن هوشѧمند  بѧا  حѧضور یѧک
سیگنال تداخلی برای روش پیشنهادی( وزن دهی عناصر مؤثر) و با  اسѧتفاده از الگѧوریتم ١٠٣ LMS در نسبت سیگنال به نویز dB ۴
۵-٢٠: نѧسبت سѧیگنال بѧه نѧویز بعѧلاوه تѧداخل ، در ورودی آنѧتن هوشѧمند  بѧا  حѧضور یѧک
سیگنال تداخلی برای روش پیشنهادی( وزن دهی عناصر مؤثر) و با  اسѧتفاده از الگѧوریتم ١٠۴ LMS در نسبت سیگنال به نویز dB ۴٠
ن

۵-٢١: نسبت سیگنال به نѧویز بعѧلاوه تѧداخل ، در خروجѧی آنѧتن هوشѧمند  بѧا  حѧضور یѧک
سیگنال تداخلی برای روش پیشنهادی( وزن دهی عناصر مؤثر) و با  اسѧتفاده از الگѧوریتم ١٠۴ LMS در نسبت سیگنال به نویز dB ۴٠
۵-٢٢: نѧسبت سѧیگنال بѧه نѧѧویز بعѧѧلاوه تѧداخل ، در ورودی آنѧѧتن هوشѧѧمند  بѧا  حѧѧضور دو
سیگنال تداخلی برای روش پیشنهادی( وزن دهی عناصر مؤثر) و با  اسѧتفاده از الگѧوریتم ١٠۵ LMS در نسبت سیگنال به نویز dB ۴٠
۵-٢٣: نѧسبت سѧیگنال بѧه نѧویز بعѧلاوه تѧداخل ، در خروجѧی آنѧتن هوشѧمند  بѧا  حѧضور دو
سیگنال تداخلی برای روش پیشنهادی( وزن دهی عناصر مؤثر) و با  اسѧتفاده از الگѧوریتم ١٠۵ LMS در نسبت سیگنال به نویز dB ۴٠
ب۵ا -ا۴ست٢ف:دهخ اطزا ایگرووریشتم پیMشنCهاددیر ن(سوبزت ن دسهیگینالعنابهصنریمزؤثBر) ۴بدون حضور سیگنال تداخلی و ١٠٨ و۵-با۵ا٢س:تفخادطه اایز ارلگووشریپتیم شنMهاC ید(رزننسب دت هیسیگعنالصبره نموؤیثزر)B بѧا۴حѧضور یѧک سѧیگنال تѧداخلی ١٠٨ ب۵ا -ا۶ست٢ف:دهخ اطزا ایگرووریشتم پیMشنCهاددیر(نوسزبنت دسهییگناعلنا بصه رومیزؤثرd)B ب۴ا حضور دو سیگنال تѧداخلی  و ١٠٩ ب۵ا -ا٧ست٢ف:دهخ اطزا ایگرووریشتم پیMشنCهاددیر ن(سوبزت ن دسیهگینالعنابهصنریمزؤثBر) ٠بد۴ون حضور سیگنال تداخلی و ١٠٩ و۵-با٨ا٢س:تفخادطه اایز ارلگووشریپتیم شنMهاC ید(رزننسب دت هیسیگعنالصبره نموؤیثزر)ѧd Bا٠حѧ۴ضور یѧک سѧیگنال تѧداخلی ١١٠ ب۵ا -ا٩ست٢ف:دهخ اطزا ایگرووریشتم پیMشنCهاددیر(نوسزبنت دسهییگناعلنا بصه رنومیزؤثرd)B ب۴٠حضور دو سیگنال تѧداخلی  و ١١٠
۵عن-ا٠ص٣:ر نمسؤبثت ر)سویگبانالسبتهفادنوه یازز دالرگوخرریوتم جیM آنتدن هنوسشبمت ن سیبگرناایل ربهونشویزپیشBنهاد۴ی( وزن دهی ١١١
۵عن-ا١ص٣:ر نمسؤبثت ر)سویگبانالسبتهفادنهویازز دالرگوخرریوتم جیM آنتدن هنوسشبمت ن سیبگرانایل ربهونشویزپیشBنd اد٠ی۴( وزن دهی ١١٢
۵-٣٢: نѧѧسبت سѧѧیگنال بѧѧه نѧѧویز بعѧѧلاوه تѧѧداخل در ورودی آنѧѧتن هوشѧѧمند بѧѧا  حѧѧضور یѧѧک
سیگنال تداخلی برای روش پیشنهادی( وزن دهی عناصر مؤثر) و با  اسѧتفاده از الگѧوریتم ١١٣ LMS درنسبت سیگنال به نویز dB ۴
۵-٣٣: نѧسبت سѧیگنال بѧه نѧویز بعѧلاوه تѧداخل در خروجѧی آنѧتن هوشѧمند بѧا  حѧضور یѧک
سیگنال تداخلی برای روش پیشنهادی( وزن دهی عناصر مؤثر) و با  اسѧتفاده از الگѧوریتم ١١٣ LMS درنسبت سیگنال به نویز dB ۴
س

۵-٣۴: نسبت سیگنال به نویز بعلاوه تداخل در ورودی آنتن هوشمند با حضور دو سیگنال
تѧداخلی بѧرای روش پیѧشنهادی (وزن دهѧی عناصѧر مѧؤثر) و  بѧا اسѧتفاده از الگѧوریتم ١١۴CM در  نسبت  سیگنال  به  نویز dB ۴
۵-٣۵: نѧѧسبت سѧѧیگنال بѧѧه نѧѧویز بعѧѧلاوه تѧѧداخل در خروجѧѧی آنѧѧتن هوشѧѧمند بѧѧا حѧѧضور دو
سیگنال تداخلی برای روش پیشنهادی (وزن دهی عناصر مؤثر) و  با اسѧتفاده از الگѧوریتم ١١۴ CM در  نسبت  سیگنال  به  نویز dB ۴
۵-٣۶: نѧѧسبت سѧѧیگنال بѧѧه نѧѧویز بعѧѧلاوه تѧѧداخل در ورودی آنѧѧتن هوشѧѧمند بѧѧا حѧѧضور یѧѧک
سیگنال تداخلی برای روش پیشنهادی (وزن دهی عناصر مؤثر) و  با اسѧتفاده از الگѧوریتم ١١۵ CM در  نسبت  سیگنال  به  نویز dB ۴٠
۵-٣٧: نѧسبت سѧѧیگنال بѧه نѧѧویز بعѧلاوه تѧѧداخل در خروجѧی آنѧѧتن هوشѧمند بѧѧا حѧضور یѧѧک
سیگنال تداخلی برای روش پیشنهادی (وزن دهی عناصر مؤثر) و  با اسѧتفاده از الگѧوریتم ١١۵ CM در  نسبت  سیگنال  به  نویز dB ۴٠
۵-٣٨: نسبت سیگنال به نویز بعلاوه تداخل در ورودی آنتن هوشمند با حضور دو سیگنال
تѧداخلی بѧرای روش پیѧشنهادی (وزن دهѧی عناصѧر مѧؤثر) و  بѧا اسѧتفاده از الگѧوریتم ١١۶CM در  نسبت  سیگنال  به  نویز dB ۴٠
۵-٣٩: نѧѧسبت سѧѧیگنال بѧѧه نѧѧویز بعѧѧلاوه تѧѧداخل در خروجѧѧی آنѧѧتن هوشѧѧمند بѧѧا حѧѧضور دو
سیگنال تداخلی برای روش پیشنهادی (وزن دهی عناصر مؤثر) و  با اسѧتفاده از الگѧوریتم ١١۶ CM در  نسبت  سیگنال  به  نویز dB ۴٠

با توجه به منابع عظیم گاز طبیعی در جهان و افزایش بی رویه قیمت نفت خام و سوختهای مایع و گران بودن هزینة انتقال سوختهای مایع و گاز به بازارهای مصرف که گاهاً مسافتهای طولانی را شامل می شود، تبدیل گاز طبیعی به گاز سنتز و تیدیل گاز سنتز به هیدروکربنهای خطی به وسیلة سنتز فیشر- تروپش، یک فرآیند امید بخش و از نظر اقتصادی موجه می باشد، که علاوه بر تولید سوختها، مختلف، مواد شیمیایی خاصی را نیز تولید می کند که در صنعت نیازمند این مواد هستیم.

فرآیند فیشر- تروپش(FTS)

تولید هیدروکربنهای مایع از گاز سنتز یک فرآیند امید بخش و اقتصادی برای تولید مواد شیمیایی و سوختها از توده های زیستی[1]، زغالسنگ و گاز طبیعی به شمار می رود. با توجه به منابع وسیع زغالسنگ و گاز طبیعی و کاهش منابع نفت خام و موثر و مفید بودن سوختهای مایع، نقش و اهمیت سنتز فیشر- تروپش افزایش یافته است. این سنتز یک نقش کلیدی در فرآیندهای گاز به مایع (GTL) ایفاء می کند، که GTL فرآیند روبه رشدی می باشد. سنتز فیشر- تروپش می تواند با خوراک گاز سنتز حاصل از گازی کردن زغالسنگ، گاز طبیعی و توده زیستی انجام پذیرد. در فرآیند GTL چهار مرحله مد نظر می باشد:1) تولید گاز سنتز

2)خالص سازی گاز سنتز     3)سنتز فیشر- تروپش  4)جداسازی محصولات ]شکل 6.30[ . زغالسنگ با اکسیژن و بخار، گازی می شود و گاز سنتز تولیدی، برای خالص سازی از نیتروژن و سولفور عاری می شود، زیرا این دو عنصر می توانند باعث غیر فعال شدن کاتالیستهای FTS بشوند. گاز سنتز خالص شده به راکتور بستر ثابت، یا بستر سیال و یا راکتور دو غابی منتقل می شود. این راکتور شامل کاتالیستهای آهنی و یا کاتالیستهای کبالت می باشد. (هر چقدر گاز سنتز خالص تر باشد و یا نسبت  باشد از کاتالیستهای کبالت استفاده می شود.) سپس گاز سنتز به هیدروکربنهایی نظیر متان و هیدروکربنهای سبک و واکس و محصولات مایع تبدیل می شود.

آزمایشات انجام گرفته بر روی محصولات فیشر- تروپش نشان داده که محصولات شامل مخلوطی چند جزئی از هیدروکربنهای خطی و شاخه دار و محصولات اکسیژن دار هیدروکربنی می باشند. محصول اصلی پارافین های خطی و  اولفینها می باشند (1-3)گسترش فرآیند سنتز فیشر- تروپش به پنج مرحلة زمانی تقسیم می شود.1)کشف کاتالیستهای آهن و کبالت (1928-1902)

2)گسترش صنعتی کاتالیستهای کبالت فیشر 01945-1928)

3)عصر آهن وساسول (1974-1946)

4)گسترش دربارة سنتز فیشر- تروپش و کبالت (1990-1975)

5)شروع و گسترش صنعت GTL ( حال حاضر -1990)

دورة اول: سنتز فیشر- تروپش در اوایل سال 1900 با کشف sabatier و senderens پدید آمد که این دو فهمیدند با هیدروژن دار کردن co با کاتالیستهای آهن، کبالت و نیکل می توانند متان تولید کنند. در سال 1913، BASF ادعا کرد که می تواند هیدروکربنهای مایع را با کاتالیست کبالت تولید کند، هر چند در شرایط غیر واقعی. ده سال بعد،در سال 1923،Fischer و Tropsch گزارش دادند که هیدروکربنهای اکسیژن دار شده ( مانند الکها، کتونها و اسیدهای چرب ) ر ا با کاتالیست آهن قلیایی شده در  و در فشار 10-15atm تولید کرده اند در سال 1925،Fischet وTropsh گزارش دادند که هیدروکربنهای مایع و پارافینهای جامد را با کاتالیستهای آهن و کبالت در شرایط  و فشار یک اتمسفر تولید کرده اند. بنابراین سال 1925 سرآغاز سنتز فیشر- تروپش است. تحقیق Fischer وTropch در سال 1926 شامل اطلاعات زیادی در مورد سنتز FT بوده، از جمله:

• کبالت، آهن و نیکل؛ تاثیر موثری بر روی سنتز هیدروکربنها دارند.
• کبالت برای تولید هیدروکربنهای خیلی موثر بوده و نیکل برای تولید متان
• پایه هایی نظیر با پروموتور zno، میزان تبدیل co را بهبود می بخشند.
• اضافه کردن مقادیر کم مواد قلیایی، گزینش پذیری هیدروکربنهای مایع را بهبود می بخشد.
• Cu، احیای آهن را در دمای پائینتر بهبود می بخشد.
• گاز سنتز باید عاری از گوگرد باشد.

دوره دوم: بسیاری از کاتالیستها، راکتور و گسترش فرآیند FT در آلمان در خلال سالهای دهة 1930-1940 بل استفاده از منابع عظیم زغالسنگ صورت گرفت. در سالهای 1934-1928، Fischer و koch لات الیست رسوبی  را ساختند که برای 12 سال، استاندارد صنعتی بود و در 40 سال بعد بهبود یافت. آنها همچنین دمای  را بعنوان دمای بهینة احیاء در نظر گرفتند در مدت 20-5 ساعت، شرایطی که تقریباً هنوز هم بکار می رود. Fischerو Pichlen دریافتند که تولید محصولات در فشار 5-20bor، پایداری کاتالیست را بهبود می بخشد. محصولات فشارهای متوسط اکثراً آلگانها و آدکنها و محصولات با نقاظ جوش متفاوت مانند متان، گازولین، دیزل و

 واکسها می باشد. دورة سوم: بعد از جنگ دوم، بدلیل کمبود نفت در آمریکا، انگلستان و آلمان، نگرش به سنتز FT گسترش یافت. بسیاری از تحقیقات بر روی کاتالیستهای ارزان آهن در‌آلمان صورت گرفت.

دورة چهارم: اندازه گیری فعالیت ویژه هیدروژن دار کردن CO با کاتالیستهای کبالت، آهن و روتنیوم توسط جذب شیمیایی ، در این دوران صورت پذیرفت. مطالعات و تحقیقات در شرکتهای shellوstatoil نشان داد که کاتالیست  دارای فعالیت و سطح ویژه عالی است.

دورة پنجم: تولید صنعت GTL امروزی از سال 1993 شروع شد. شرکت shell با کاتالیست کبالت و یک راکتور بستر ثابت و شرکت sasol با کاتالیست آهن و راکتور بستر سیال در این زمینه فعالیت دارند.

(1-4)تولید گاز سنتز:

با توجه به بالا بودن درصد بالای اختصاص سرمایه کل فرآیند FT که به خالص سازی و سرد کردن گاز سنتز مربوط است، کاهش هزینة تولید گاز سنتز سودمندترین روش است. گاز سنتز می تواند با روش رفورینگ بخار و یا اکسیداسیون کاتالیستی جزئی سوختهایی نظیر زغال سنگ، گاز طبیعی، باقیمانده های پالایش [2] و توده زیستی تولید شود. واکنشهای اصلی تولید گاز سنتز عبارتند از:

تبدیل گازطبیعی به گازسنتزبابخار

تبدیل گاز طبیعی به گازسنتز با

این مطلب را هم بخوانید :

اکسیداسیون جزئی گاز طبیعی

واکنش جابجایی آب- گاز

روشهای مختلف تولید گاز سنتز بر حسب نسبت بین  و CO بکار گرفته می شوند. گاز سنتز تولیدی ناشی از زغال سنگ و باقیمانده های پالایش دارای CO بیشتری نسبت به گاز سنتز حاصله از گاز طبیعی می باشد. گاز سنتز با نسبت  برای فرآیند فیشر- تروپش مناسب نیست، پس واکنش جابجایی آب گاز در رساندن نسبت  به مرز 2 بسیار با اهمیت می باشد. شکل 3-1 محدودیتهای نسبت  مورد استفاده در کاتالیست آهن و کاتالیست کبالت را نشان می دهد. با پائین آوردن نسبتهای ؟ در خوراک اولیه، می توان هزینة گاز سنتز را کاهش داد. Basini و Piovesan مطالعاتی را بر روی نسبت بهینة  انجام دادند که بر اساس نتایج آن، در نسبت به  بهترین شرایط عملیاتی و شرایط اقتصادی میسر می شود.

(1-5)شیمی و ترمودینامیک سنتز فیشر- تروپش:

شیمی فرآیند FT به وسیلة واکنشهای زیر بیان می گردد.

فهرست مطالب

عنوان                                              صفحه
فهرست جدول‌ها ‌ج
فهرست شكل‌‌ها   ‌د
فصل 1-  مقدمه    1
1-1-  پیشگفتار. 1
1-2-    مروری بر ادبیات پیشین: 2
1     -3 -ژنراتورهای القایی قفس سنجابی (SCIG)………………………………………………………………..  5
1   -4- ژنراتورهای القایی تغذیه دوبل (DFIG)……………………………………………………………………….6
1-5 ژنراتورهای سنكرون (EESG)  …………………………………………………………………………………8
فصل 2- انرژی باد و مدلسازی توربین بادی: 28
2-1-    مقدمه    29
2-2-    توربین بادی.. 29
2-3-    مدلسازی توربین بادی.. 32
2-4-    نتیجه گیری.. 42
فصل 3- کنترل کننده 44
3-1-    ناحیه کارکرد توربین بادی.. 44
3-2-    کنترل مود لغزشی مرسوم. 45
3-3-    رویتگر مود لغزشی.. 49
3-4-    کنترل مود لغزشی انتگرالی.. 51
3-5-    کنترل مود لغزشی پیچشی شدید. 54
3-6-    کنترل مود لغزشی مرتبه 2. 56
فصل 4- طراحی کنترل کننده 58
4-1-    مدل سرعت باد مورد استفاده. 58
4-2-    مدل انتخابی برای توربین مورد استفاده. 59
4-3-    کنترل کننده طراحی شده. 60
4-3-1-  طراحی کنترل کننده زاویه خمش توربین.. 63
4-4-    نتایج استفاده از کنترل کننده. 68

فصل 5-    نتیجه گیری.. 76
فهرست مراجع    78
فهرست جدول‌ها
عنوان                                                                                                      صفحه
جدول 1-1 مقایسه انواع ژنراتور………………………………………………………………………………………11

 

جدول ‏4‑1  پارامترهای مربوط به توربین.. 68
جدول ‏4‑2  ضرایب مربوط به کنترل کننده ها 68

فهرست شكل‌‌ها
عنوان                                                                                                      صفحه
شکل  ‏1‑1 توربین بادی اسمیت-آتنام[3] …………………………………………………………………….2…………
شکل 1-2 توپولوژی‌های مختلف توربین‌های بادی……………………………………………………………………..4
شکل 1-3 انواع ژنراتورهای مورداستفاده در توربین‌های بادی………………………………………………………….5
شکل 1-4  ژنراتور القایی قفس سنجابی………………………………………………………………………………………5
شکل 1-5   شمای مداری ژنراتور………………………………………………………………………………………………7
شکل 1-6 ژنراتورهای القایی تغذیه دوبل (DFIG)……………………………………………………………………….7
شکل 1-7ژنراتورهای سنكرون (EESG)…………………………………………………………………………………….8
شکل 1-8  ژنراتور مغناطیس دائم………………………………………………………………………………………………9
شکل  ‏1‑9   راندمان ژنراتورهای مختلف…………………………………………………………………………………..12
شکل  ‏1‑10  کنترل فرض شده مود لغزشی مرتبه دو[4] ……………………………………………………………..13  شکل  ‏1‑11 کنترل فرض شده بر اساس رویتگر و کنترل کننده مواد لغزشی[5]………………………………..14
شکل‏1‑12کنترل کننده مود لغزشی فازی[6]……………………………………………………………………………..14
شکل‏1‑13 کنترل کننده مود لغزشی مرتبه 2 چند ورودی- چند خروجی……………………………………………… 16
شکل 1-14  نمای کنترل کننده به کار رفته در سیستم…………………………………………………………………18
شکل 1-15 کنترل کننده مود لغزشی توان اکتیو و راکتیو…… ……………………………………………………….19
شکل 1- 16 کنترل زاویه خمش توسط کنترل کننده مود لغزشی[15] ………………………………………….0..2
شکل 1-17 کنترل کننده ترکیبی به کاررفته بر روی توربین بادی[16]……………………………….21……….
شکل 1- 18 کنترل کننده مود لغزشی فازی همراه با شبکه عصبی توابع بنیادی شعاعی[17]………………..22
شکل 1-19 طرح سیستم کنترل توربین بادی  [ 25]……………………………………………………………………..25
شکل 1-20 طرح کنترل کننده  PIDبرای توربین بادی………………………………………………………..25……
شکل 1-21   طرح کنترل کننده LQG برای توربین بادی………………………………………………………..26..
شکل 1-22 طرح کنترل کننده چند متغیره…………… ………………………………………………………………..26
شکل 1-23 ضریب جذب  نسبت به نرخ پیک سرعت [55]…………………………………………………….27

این مطلب را هم بخوانید :

شکل  ‏2‑1 انواع توربین های بادی……………………………………………………………………………………….29
شکل  ‏2‑2  انواع توربین های بادی عمودی……………………………………………………………………………30
شکل  ‏2‑3  توربین بادی افقی……………………………………………………………………………………………..31
شکل  ‏2‑4   مد لسازی سرعت باد…………………………………………………………………………………………33
شکل  ‏2‑  5  نمودار سرعت باد……………………………………………………………………………………………..34
شکل  ‏2‑6 نیروهای وارده بر پره……………………………………………………………………………………………..35
شکل  ‏2‑7 مدل سازی سیستم متحرکه توربین بادی………………………………………………………………….38
شکل  ‏2‑8  شمای داخلی محرک زاویه خمش……………………………………………………………………….42