دانلود کتاب و حل المسائل دانشگاهی

دانلود پروژه - پایان نامه - مقاله- گزارش کارآموزی-جزوه- کتاب-فایل های شبیه سازی

دانلود کتاب و حل المسائل دانشگاهی

دانلود پروژه - پایان نامه - مقاله- گزارش کارآموزی-جزوه- کتاب-فایل های شبیه سازی

شبیه سازی کنترل سیستم توربین بادی با استفاده از کنترل کننده شبکه عصبی

شبیه سازی کنترل سیستم توربین بادی با استفاده از کنترل کننده شبکه عصبی

این شبیه سازی به همراه پاورپوینت توضیحات و نحوره عملکرد موتور پله ای برای شما دانشجویان عزیز آماده شده است.

پروژه مدل سازی و کنترل سیستم توربین بادی مدل General Electric با استفاده از کنترل کننده شبکه عصبی تا کنون مدل‏ ها و روش‏ های کنترلی متفاوتی برای توربین‏ های بادی ارائه شده است.

یکی از مناسب‏ ترین این مدل‏ ها بر مبنای عملکرد واقعی توربین بادی، مدل جنرال الکتریک (GE) است. نوسانات سرعت در خروجی توربین بادی که با محور ژنراتور کوپل است به ژنراتور منتقل می‏شود.

درصورت عدم کنترل نوسانات مزبور، فرکانس برق تولیدی ژنراتور القایی نوسان خواهد کرد. به علاوه، استهلاک ژنراتور و توربین بادی، به دلیل وقوع نوسانات زیاد و ناگهانی در محورها، زیاد می‏شود.

 

 

به این دلیل مراقبت های پیشگیرانه و تعمیرات نیز برای این توربین ها افزایش می‏ یابد و به دلیل قرارگرفتن توربین های بادی در مناطق  صعب العبور و نیز قیمت زیاد تجهیزات آن‏ها، چنین استهلاک‏ هایی هزینه‏ های زیادی را در پی خواهد داشت.

در صورتی که با کنترل سرعت توربین بادی و با هزینه ه‏ای کم، می‏توان این نوسانات را تا حد زیادی کنترل کرد. در این پروژه هدف، بررسی کنترل سرعت روتور توربین بادی با استفاده از کنترل کننده شبکه عصبی با روش آموزش به صورت آنلاین می­ باشد.

فرآیند کنترلی اعمال شده به منظور کنترل سرعت روتور به دو روش تقسیم می‏شود:

۱- کنترل توان الکتریکی.

۲- کنترل استقرار تیغه. در هر دو روش، کنترل کننده حالتی از سیستم دینامیکی را کنترل کرده که در نهایت هدف، برتری در حذف اغتشاش وارده به سرعت توربین می­ باشد. برای بررسی روش ‏های پیشنهادی، مدل‏های مزبور به کمک نرم افزار MATLAB SIMULINK شبیه سازی می‏شوند.

 

شبیه سازی کنترلر PID برای برج تقطیر با الگوریتم ژنتیک و شبکه عصبی LVQ

دانلود شبیه سازی کنترلر PID برای برج تقطیر با الگوریتم ژنتیک و شبکه عصبی LVQ

در این پروژه کنترلر PID برای برج تقطیر (Distillation Column) با استفاده از الگوریتم ژنتیک در MATLAB  قرار گرفته است.