فایل ورد کامل پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی ۱۷۷ صفحه در word

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی ۱۷۷ صفحه در word دارای ۱۷۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

لطفا نگران مطالب داخل فایل نباشید، مطالب داخل صفحات بسیار عالی و قابل درک برای شما می باشد، ما عالی بودن این فایل رو تضمین می کنیم.

فایل ورد فایل ورد کامل پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی ۱۷۷ صفحه در word  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی ۱۷۷ صفحه در word،به هیچ وجه بهم ریختگی وجود ندارد

---

بخشی از متن فایل ورد کامل پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی ۱۷۷ صفحه در word :

فایل ورد کامل پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی ۱۷۷ صفحه در word:

در سالهای اخیر استفاده از هوش مصنوعی در زمینه مدلسازی فرآیندهای خوردگی مورد توجه قرار گرفته است. شبکه عصبی مصنوعی تبدیل به یکی از روش¬های بسیار پراستفاده در زمینه مدلسازی فرآیند خوردگی شده است. در ادامه برخی از تحقیقیات در مورد خوردگی که در آنها از شبکه عصبی برای مدلسازی استفاده شده، معرفی می گردند.

یکی از جدیترین کارهایی که برای استفاده از شبکه عصبی در مسائل خوردگی صورت گرفته و جزء اولین¬ها در این زمینه بوده¬است، پیش¬بینی نرخ خوردگی با استفاده از شبکه عصبی توسط اسمتس و بوگارتس بوده¬است. آنها در کار خود یک شبکه عصبی تولید کردند و با استفاده از آن به پیش¬بینی [۱]SCC بر روی فولاد زنگ نزن نوع ۳۰۴ در حضور ترکیبات کلراید و اکسیژن¬دار و دمای مشخص پرداختند. آنها دریافتند که روش شبکه¬های عصبی در این امر نسبت به روش برازش سنتی برتری دارد.

در تحقیق دیگری یک مدل شبکه عصبی جهت پیش¬بینی تعداد و عمق حفره¬های ناشی از خوردگی حفره¬ای تولید شد. البته اطلاعاتی در مورد توپولوژی و اندازه شبکه و نحوه آموزش آن داده نشده است. پیشرفت در عمق حفره¬ها و تعداد آنها به صورت مؤثر مدلسازی شد و نتایج خوبی را در مقایسه با داده¬های تجربی نشان داد.

از شبکه عصبی برای پیش بینی نوع خوردگی از منحنی پلاریزاسیون استفاده شده است. ورودی¬های شبکه چگالی و پتانسیل خوردگی حفره¬ای بوده و خروجی¬های آن ریسک به وجود آمدن هر کدام از خوردگی¬های عمومی، حفره¬ای و شکننده بوده است.

نسیک و همکاران در مقاله¬ای به دو مشکل مهم که باعث می¬شود از شبکه¬های عصبی کمتر در مباحث خوردگی استفاده شود اشاره کرده¬اند. اولین دلیل را عدم آشنایی مهندسان خوردگی با مقوله هوش مصنوعی و شبکه عصبی و کاربرد آن در پیش¬بینی خوردگی دانسته¬اند و دلیل دوم آن را عدم وجود داده¬های کافی در این امر دانسته¬اند. البته در این مقاله در بخش اول توضیحاتی در مورد شبکه عصبی برای آشنایی مهندسان خوردگی آمده-است و در بخش دوم روش مونت کارلو معرفی شده و در حین آن یک کار عملی انجام شده است.

تراساتی و گابتا در تحقیقاتی یک شبکه عصبی تولید کردند که از نفت خام، عدد اسید و درصد سولفور، از ترکیبات شیمیایی مواد، درصد کرومیوم و درصد مولیبدینم، از شرایط عملیاتی فرآیند (دما، فشار و نرخ جریان) را به عنوان ورودی و از نرخ خوردگی با واحد میلیمتر در سال (mpy) به عنوان خروجی استفاده کردند و نرخ خوردگی را با موفقیت از طریق شبکه عصبی تولید شده پیش بینی نمودند.

فایل ورد کامل پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی ۱۷۷ صفحه در word
فهرست مطالب

فصل اول: مقدمه ۹

۱-۱ معرفی کل تحقیق ۹

۱-۲ فعالیت های پیشین و تاریخچه تحقیق ۱۱

۱-۳ اهداف پژوهش ۱۷

فصل دوم: شبکه های عصبی ۱۸

۲-۱ مدلسازی نرون تنها ۱۹

۲-۲ تابع فعالیت ۲۰

۲-۳ معماری شبکه عصبی ۲۱

۲-۳-۱ شبکه های پیشخور ۲۲

۲-۳-۲ شبکه های برگشتی ۲۲

۲-۴ الگوریتم های یادگیری ۲۳

۲-۵ شبکه عصبی MLP ۲۴

۲-۵-۱ الگوریتم پس انتشار خطا ۲۵

۲-۵-۲ سیگنال خطا ۲۶

۲-۵-۳ انتخاب نرخ یادگیری ۲۶

۲-۵-۴ مرحله آموزش ۲۷

۲-۵-۵ قابلیت تعمیم دهی ۲۷

۲-۵-۶ توقف آموزش ۲۸

۲-۶ شبکه RBF ۲۹

۲-۶-۱ ساختار شبکه عصبی شعاعی ۳۰

۲-۶-۲-۱ تعیین موقعیت مراکز ۳۵

۲-۶-۲-۲ تعیین انحراف استاندارد ۳۷

۲-۶-۲-۳ آموزش ماتریس وزن لایه خروجی ۳۸

فصل سوم: منطق فازی ۴۰

۳-۱ مقدمهای بر سیستمهای فازی ۴۰

۳-۲ اجزاء پایه سیستم استنتاج فازی(FIS) ۴۵

۳-۲-۱ پایگاه قواعد فازی ۴۵

۳-۲-۱-۱ ویژگی های مجموعه قواعد ۴۵

۳-۲-۲ موتور استنتاج فازی ۴۷

۳-۲-۲-۱ استنتاج مبتنی بر ترکیب قواعد ۴۷

۳-۳ غیرفازی‌ساز ۴۹

۳-۳-۱ غیرفازی‌ساز مرکز ثقل ۴۹

۳-۳-۲ غیرفازی‌ساز میانگین مراکز ۴۹

۳-۳-۳ غیرفازی‌ساز ماکزیمم ۵۰

فصل چهارم: سیستم های استنتاج فازی-عصبی تطبیقیANFIS)) ۵۲

فصل پنجم: خوردگی ۵۴

۵-۱ مقدمه ای بر خوردگی ۵۴

۵-۱-۱ هزینه های خوردگی ۵۶

۵-۱-۲ بررسی انواع خوردگی ۵۷

۵-۲ طراحی سیستم های آلی ضدخوردگی ۶۸

۵-۳ خوردگی در تأسیسات نفت و گاز ۷۰

۵-۳-۱ خوردگی توسط گاز خورنده دی ‌اکسیدکربن ۷۱

۵-۳-۲ خوردگی توسط مایعات خورنده مخازن نفتی ۷۳

۵-۳-۳ خوردگی توسط گاز خورنده سولفید هیدروژن ۷۳

۵-۴ خوردگی در سیستم های سه فازی چاه ها و لوله های گاز و روش های کنترل آن ۷۷

۵-۴-۱ روش های کنترل خوردگی ۷۷

۵-۴-۱-۱ بازدارنده های خوردگی ۷۸

۵-۳-۱-۲ روش تثبیت pH ۸۲

فصل ششم: پدیده ی سایش در سیستم های تولید هیدروکربن ۸۸

۶-۱ فرایند سایش در چاه های تولیدی نفت و گاز ۸۹

۶-۲ مکانیزم های سایش ۹۰

۶-۲-۳ آسیب پذیری تجهیزات در برابر پدیده سایش: ۹۰

۶-۳-۲-۱ جنس تجهیزات ۹۲

۶-۳-۲-۲ فلزات هادی و مواد مرسوم دیگر ۹۲

۶-۳-۲-۳ مواد ویژه مقاوم در برابر سایش ۹۳

۶-۴ سایش ناشی از ماسه یا ریز ذرات ۹۴

۶-۴-۱ تولید ماسه و انتقال آن ۹۴

۶-۴-۲ اندازه، شکل و سختی ذرات جامد ۹۶

۶-۵ سایش/ خوردگی ۹۷

۶-۶ سایش ناشی از اصابت قطرات مایع ۹۸

۶-۷ کاویتاسیون ۱۰۰

۶-۸ سایش ناشی از ذرات جامد در زانویی ها ۱۰۱

۶-۹ سایش ذرات جامد در اتصالات Tشکل یکسر بسته ۱۰۳

۶-۱۰ روش های پایش، جلوگیری و مدیریت پدیده سایش ۱۰۴

۶-۱۰-۱ تکنیک های مدیریت سایش ۱۰۵

۶-۱۰-۱-۱ کاهش دبی تولیدی ۱۰۵

۶-۱۰-۱-۲ طراحی خط لوله ۱۰۵

۶-۱۰-۱-۳ جداسازی و حذف ماسه از جریان ۱۰۶

۶-۱۰-۱-۴ دستورالعمل و پیش بینی سایش ۱۰۷

۶-۱۰-۱-۵ ارزیابی ضخامت دیواره ۱۰۹

۶-۱۱ ابزارهای پیش بینی سایش و مروری بر تحقیقات صورت گرفته ۱۱۰

۶-۱۱-۱ مروری بر مهمترین استانداردها در طراحی خطوط لوله و مدیریت سایش ۱۱۰

۶-۱۱-۲ ابزارها و مدل های پیش بینی سایش ۱۱۱

۶-۱۱-۲-۱ استاندارد API RP 14E ۱۱۲

۶-۱۱-۲-۲ دیگر مدل های پیش بینی سایش ۱۱۷

۶-۱۱-۳ مقایسه مدل های پیش بینی سایش در زانویی ها ۱۲۴

فصل هفتم: روش تحقیق ۱۳۱

۷-۱ پیش بینی نرخ خوردگی ۱۳۴

۷-۱-۱ پیش بینی نرخ خوردگی با استفاده از شبکه عصبی ۱۳۴

۷-۱-۲ پیش بینی نرخ خوردگی با استفاده از ANFIS ۱۴۱

۷-۲ پیش بینی ثابت سرعت سایش ۱۵۱

فصل هشتم: نتیجه گیری ۱۵۸

فصل نهم: پیشنهادات ۱۵۹

منابع ۱۶۰

فایل ورد کامل پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی ۱۷۷ صفحه در word
فهرست جدول ها

جدول شماره ۱: توابع فعالیت معمول ۲۱

جدول شماره ۲: سرعت حدی (سایش) اندازه گیری شده درآزمایشات اصابت ذرات مایع ۱۱۹

جدول شماره ۳: ضرایب همبستگی داده های ورودی ۱۳۵

جدول شماره ۴: ارزیابی معماری های مختلف شبکه عصبیMLP مورد استفاده در این تحقیق ۱۴۰

جدول شماره ۶: تعیین مؤلفه های سیال PGF بر طبق نقطه ی جوش ۱۵۰

فایل ورد کامل پیش بینی نرخ خوردگی و ثابت سرعت سایش در لوله مغزی های گاز با استفاده از شبکه عصبی ۱۷۷ صفحه در word
فهرست شکل ها

شکل شماره ۱: حداکثر دبی مجاز برای سیال فاقد ذرات جامد ۱۵

شکل شماره ۲: حداکثر دبی مجاز برای سیال حاوی ذرات جامد ۱۶

شکل شماره ۳: یک نرون تنها در شبکه عصبی]۱۱[ ۲۰

شکل شماره ۴: الف) شبکه پیش خور چندلایه ب) شبکه بازگشتی ۲۳

شکل شماره ۵: نمودار روش توقف زودتر از موعد ۲۹

شکل شماره ۶: ساختار شبکه عصبی RBF ۳۰

شکل شماره ۷: نرون شعاعی با یک ورودی ۳۲

شکل شماره ۸: منحنی نمایش تابع پاسخ یا تابع انتقال(تحریک) نرون شعاع با یک ورودی ۳۲

شکل شماره ۹: نرون شعاعی با دو ورودی ۳۳

شکل شماره ۱۰: منحنی نمایش تابع پاسخ یا تابع انتقال(تحریک) نرون شعاع با دو ورودی ۳۳

شکل شماره ۱۱: حفره های ایجاد شده در جریان مخلوط آب، دی اکسید کربن و ماسه]۲۳[ ۱۰۱

شکل شماره ۱۲: مسیر حرکت ذرات جامد با اندازه های مختلف درون یک زانویی ۱۰۵

شکل شماره ۱۳: رابطهی بین و F() ارائه شده توسط Huser و Kvernvold برای مواد هادی و شکننده ۱۲۲

شکل شماره ۱۴: مقایسه مدلهای پیش بینی سایش در یک زانویی ۲ اینچ در جریان ماسه- متان ۱۲۸

شکل شماره ۱۵: مقایسه مدلهای پیش بینی سایش در یک زانویی ۲ اینچ در جریان ماسه-مایع ۱۳۰

شکل شماره ۱۶: مقایسه مدلهای پیشبینی سایش در یک زانویی ۲ اینچ برای جریان ماسه-هوا ۱۳۲

شکل شماره ۱۷: هیستوگرام خطا و پاسخ شبکه به داده های آموزش برای ساختار ۱-۱۲-۴ ۱۴۱

شکل شماره ۱۸: هیستوگرام خطا و پاسخ شبکه به داده های ارزیابی برای ساختار ۱-۱۲-۴ ۱۴۲

شکل شماره ۱۹: هیستوگرام خطا و پاسخ شبکه به داده های تست برای ساختار ۱-۱۲-۴ ۱۴۳

شکل شماره ۲۰: هیستوگرام خطا و پاسخ شبکه برای همه ی داده ها در ساختار ۱-۱۲-۴ ۱۴۳

شکل شماره ۲۱: ضریب همبستگی و منحنی کارایی شبکه ۱۴۴

شکل شماره ۲۲: هیستوگرام خطا و پاسخ شبکه به داده های آموزش برای شبکه با ساختار ۱-۵-۴ ۱۵۲

شکل شماره ۲۳: هیستوگرام خطا و پاسخ شبکه به داده های آموزش برای شبکه با ساختار ۱-۵-۴ ۱۵۳

شکل شماره ۲۴: هیستوگرام خطا و پاسخ شبکه به داده های تست برای شبکه با ساختار