ایمان گلپور؛ پرویز احمدی مقدم؛ علی محمد نیکبخت
چکیده
در این کار تحقیقاتی، تحلیل انرژی و اکسرژی سامانه تولید بخار شرکت آبمیوه پاکدیس ارومیه با چهار دیگ بخار بررسی شد و با استفاده از معادلات تعادل جرم، انرژی و اکسرژی برای هر یک از اجزای سامانه، توابع هدف ترمودینامیکی شامل بازده اکسرژی، نرخ تخریب اکسرژی، نرخ تلفات اکسرژی و نرخ پتانسیل بهبود آنها بر اساس قانون اول و دوم ترمودینامیکی مورد ...
بیشتر
در این کار تحقیقاتی، تحلیل انرژی و اکسرژی سامانه تولید بخار شرکت آبمیوه پاکدیس ارومیه با چهار دیگ بخار بررسی شد و با استفاده از معادلات تعادل جرم، انرژی و اکسرژی برای هر یک از اجزای سامانه، توابع هدف ترمودینامیکی شامل بازده اکسرژی، نرخ تخریب اکسرژی، نرخ تلفات اکسرژی و نرخ پتانسیل بهبود آنها بر اساس قانون اول و دوم ترمودینامیکی مورد ارزیابی قرار گرفت. پس از اکتساب دادهها، تحلیل انرژی و اکسرژی این سامانه با حل معادلات مربوطه با کمک روابط خواص ترمودینامیکی همراه با برنامهنویسی در نرمافزار EES صورت پذیرفت. نتایج نشان داد که بیشترین بازده اکسرژی 98.44 درصد، مربوط به توزیعکننده بخار (O) سامانه با نرخ پتانسیل بهبود 1.51 کیلووات و نرخ تخریب اکسرژی 28.38 کیلووات بود، و همچنین پمپ (M) قبل از دیگ بخار چهارم با بازده اکسرژی 19.69 درصد دارای کمترین مقدار بازده اکسرژی بود به طوریکه مقادیر 12.55 و 11.93 کیلووات بهترتیب برای نرخ تخریب اکسرژی و نرخ پتانسیل بهبود آن حاصل شد. بیشترین نرخ تخریب اکسرژی سامانه را دیگ بخار اول با مقدار 12391.80 کیلووات با بازده 19.55 درصد و نرخ پتانسیل بهبود 10295.26 کیلووات دارا بود. طبق نتایج حاصله، بیشترین و کمترین مقدار نرخ تلفات اکسرژی سامانه با مقادیر 446.90 و 0.47 کیلووات بهترتیب برای دیگ بخار سوم (L) و منبع انبساط (F) بهدست آمد.
ایمان گلپور؛ جعفر امیری پریان؛ رضا امیری چایجان؛ جواد خزائی
چکیده
شناسایی ارقام برنج در کشاورزی مدرن از اهمیت بالایی برخوردار است. ویژگی های بافتی از میان عوامل مختلف می تواند برای شناسایی ارقام برنج استفاده شود. پردازش تصاویر دیجیتال بهعنوان روشی جدید میتواند برای استخراج ویژگیهای بافت بهکار برده شود. هدف از این پژوهش شناسایی ارقام برنج با استفاده از ویژگی های بافت تصویر بهکمک پردازش تصویر ...
بیشتر
شناسایی ارقام برنج در کشاورزی مدرن از اهمیت بالایی برخوردار است. ویژگی های بافتی از میان عوامل مختلف می تواند برای شناسایی ارقام برنج استفاده شود. پردازش تصاویر دیجیتال بهعنوان روشی جدید میتواند برای استخراج ویژگیهای بافت بهکار برده شود. هدف از این پژوهش شناسایی ارقام برنج با استفاده از ویژگی های بافت تصویر بهکمک پردازش تصویر و شبکه های عصبی مصنوعی پس انتشار می باشد. برای تشخیص ارقام برنج، پنج رقم برنج ایرانی به نامهای فجر، شیرودی، ندا، طارم محلی و خزر تهیه شدند. 108 ویژگی بافتی از تصاویر برنج با استفاده از ماتریس هم وقوعی تصویر سطوح خاکستری استخراج گردید. سپس شناسایی ارقام با استفاده از شبکه عصبی مصنوعی پس انتشار صورت پذیرفت. پس از ارزیابی شبکه های یک لایه با استفاده از ویژگی های بافتی، بیشترین دقت طبقه بندی برای ارقام شلتوک، برنج قهوهای و سفید بهترتیب: 2/92%، 8/97% و 9/98% بهدست آمد. پس از اینکه شبکه با دولایه پنهان مورد ارزیابی قرار گرفت، بهترین میانگین دقت طبقه بندی برای تشخیص ارقام شلتوک 67/96%، برای برنج قهوه ای 78/97% و برای برنج سفید 88/98% حاصل شد. بیشترین دقت طبقه بندی پس از انتخاب ویژگی برای شلتوک با 45 ویژگی 9/98%، برای ارقام برنج قهوه ای با 11 ویژگی انتخاب شده 3/93% و برای ارقام برنج سفید 7/96% با 18 ویژگی انتخاب شده بهدست آمد.