|
Title
|
بهينه سازي فرآيند توليد و كاهش مصرف انرژي با استفاده از هوش مصنوعي و الگوريتم هاي فراابتكاري در يك كارخانه توليد آلومينيوم
|
|
Type
|
Thesis
|
|
Keywords
|
مصرف انرژي، فرايند توليد، بهينه سازي، الگوريتم هاي فراابتكاري، يادگيري ماشين، توليد آلومينيوم
|
|
Abstract
|
زمينه: فرآيند الكتروليز آلومينيوم به روش هال-هرولت تنها روش صنعتي براي استخراج و توليد آلومينيوم خالص از آلومينا است. اين فرآيند با حل شدن آلومينا در حمام كريوليت و اعمال جريان الكتريكي، آلومينيوم مذاب توليد مي كند. با وجود كاربرد گسترده اين روش، چالش هاي مهمي در بهره وري و ميزان توليد با اين روش وجود دارد كه بر هزينه و كارايي فرآيند تأثير مي گذارد. بنابراين، بهينه سازي پارامترهاي عملياتي (جريان الكتريكي، ولتاژ، دما، تركيب حمام كريوليت و غيره) به صورت فعال و دقيق مي تواند تاثير مستقيم بر هزينه، كارايي و پايداري عملياتي اين فرايند داشته باشد.
هدف: هدف اصلي اين پژوهش يافتن مقادير كنترلي سلول توليد آلومينيوم است به طوريكه بيشترين ميزان توليد با كمترين ميزان انرژي انجام پذيرد.
روششناسي: روش انجام اين پژوهش مبتني بر يك رويكرد تركيبي است كه در آن از شبيه سازي عددي، يادگيري ماشين و الگوريتم هاي فراابتكاري به صورت يكپارچه استفاده مي شود. در اين پژوهش داده ها به وسيله شبيه ساز مبتني بر معادلات ديناميكي ODE توليد شده و براي آموزش مدل يادگيري ماشين استفاده مي شود. در انتها الگوريتم NSGA-II به كمك مدل هوش مصنوعي بهترين پارامترهاي كنترلي را پيدا مي كند.
يافتهها: براساس مدل پيشنهادي، مجموعه جبهه پارتو (Pareto Front) نهايي ساخته شد و بر اساس سياست هاي مديريتي نقطه عملياتي بهينه انتخاب گرديد.
نتيجهگيري: نتايج اين پژوهش نشان داد كه، تركيب يادگيري ماشين براي ايجاد مدل هاي پيش بين سريع و الگوريتم هاي بهينه سازي چندهدفه به صورت همزمان، امكان توليد مجموعه اي جامع و متنوع از راه حل هاي بهينه را فراهم مي كند. با تحليل هندسي خط پارتو همراه با معيارهاي تصميم گيري كمي، در نهايت امكان انتخاب آگاهانه، مستدل و سيستماتيك يك نقطه عملياتي براي سلول الكتروليز آلومينيوم امكان پذير مي شود. اين رويكرد نه تنها كارايي و هزينه را بهينه مي سازد، بلكه چارچوب علمي و عملي براي بهره برداري صنعتي و به روزرساني مداوم اين فناوري را ارائه مي دهد.
|
|
Researchers
|
akbar ghaedi (Student) , Khodakaram Salimifard (First primary advisor) , Ahmad Ghorbanpour (Advisor)
|