یک الگوریتم بهینه هیبریدی برای طراحی حرارتی کوره های پخت رنگ تابشی

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک الگوریتم بهینه هیبریدی برای طراحی حرارتی کوره های پخت رنگ تابشی

عنوان لاتین

A hybrid optimization algorithm for the thermal design of radiant paint cure ovens

کوره های پخت رنگ پیوسته از کابردهای صنعتی مهم و متعددی برخوردار هستند. کوره های جابجایی به صورت گسترده ای در صنعت خودرو مورداستفاده قرار گرفته اند. کوره های پخت رنگی تابشی دارای ویژگی های منحصربفردی بوده و تلاش های فراوانی نیز برای طراحی کوره و پانل های تابشی صورت گرفته است به گونه ای که بارهای متحرک فرایند حرارت دهی مطلوب و یکنواختی را تجربه می کنند. به دلیل حرکت و جابجایی بار و تغییرات عوامل تبادل تابش در طول فرایند کیورینگ، راه کار این مسئله طراحی با راه حل یک مسئله بهینه سازی دینامیکی متناظر می باشد. این ازلحاظ محاسباتی در یک مورد سه بعدی ایده آل واقع بینانه به نظر می رسد و لازم است که هزینه محاسباتی به حداقل برسد. مسائل تست دو بعدی فرصت هایی را برای توسعه الگوریتم و ارزیابی سریع فراهم می آورند. این مقاله بیشتر بر تسریع همگرایی این الگوریتم بهینه سازی حرارتی برای یک مسئله تست دوبعدی تمرکز دارد. با ترکیب کردن مشخصه های یک الگوریتم بهینه سازی با قابلیت های روش شبکه عصبی، یک الگوریتم طراحی هیبریدی حاصل شده که به صورت قابل-توجهی سریع تر از الگوریتم اصلی است. نشان داده می شود که با بکارگیری یک شبکه عصبی تعلیم دیده توسط یک مدل فیزیکی ساده-شده، هزینه محاسباتی را می توان تا مرتبه ای بدون کاهش دقت کاهش داد.

Continuous paint cure ovens have many important industrial applications. In particular, convection ovens are extensively used in auto industries. Radiation paint cure ovens have attractive features as well and attempts have been made to design the oven and the radiation panels such that the moving loads experience desirable, nearly uniform, heating process. Due to the motion of the load and the variation of the radiation exchange factors during the curing process, the solution of this design problem corresponds to the solution of a dynamic optimization problem. This is computationally demanding in a realistic three-dimensional case and the computational cost needs to be minimized. Two-dimensional test problems provide opportunities for algorithm development and quick evaluation. This paper focuses on the convergence acceleration of this thermal optimization algorithm for a 2D test problem. By combining the features of an optimization algorithm with the capabilities of the neural network method, a hybrid design algorithm is obtained which is considerably faster than the original algorithm. It is shown that by employing a neural network trained by a simplified physical model, the computational cost can be reduced close to an order of magnitude without significant loss of accuracy.