دانلود مقاله و خرید ترجمه:بهینه سازی سیستم HVAC با استفاده از الگوریتم نیرومند ازدحام ذرات چندمنظوره
دانلود بهترین مقالات isi همراه با ترجمه فارسی

کارابرن عزیز، مقالات سایت ( همگی جزو مقالات isi می باشند) بالاترین کیفیت ترجمه را دارند، ترجمه آنها کامل و دقیق می باشد (حتی محتوای جداول و شکل های نیز ترجمه شده اند) و از بهترین مجلات isi مانند IEEE، Sciencedirect، Springer، Emerald و ... انتخاب گردیده اند.

ورود اعضا
توجه توجه توجه !!!!
تمامی مقالات ترجمه شده ، انگلیسی و کتاب های این سایت با دقت تمام انتخاب شده اند. در انتخاب مقالات و کتاب ها پارامترهای جدید بودن، پر جستجو بودن، درخواست کاربران ، تعداد صفحات و ... لحاظ گردیده است. سعی بر این بوده بهترین مقالات در هر زمینه انتخاب و در اختیار شما کاربران عزیز قرار گیرد. ضمانت ما، کیفیت ماست.
نرم افزار winrar

از نرم افزار winrar برای باز کردن فایل های فشرده استفاده می شود. برای دانلود آن بر روی لینک زیر کلیک کنید
دانلود

پیشنهادات ویژه
پکیج ویژه مقالات محاسبات ابری
پکیج ویژه مقالات زنجیره تامین
پیوندهای کاربردی
پیوندهای مرتبط
مقالات ترجمه شده مدیریت انرژی
  • بهینه سازی سیستم HVAC با استفاده از الگوریتم نیرومند ازدحام ذرات چندمنظوره

    سال انتشار:

    2011


    ترجمه فارسی عنوان مقاله:

    بهینه سازی سیستم HVAC با استفاده از الگوریتم نیرومند ازدحام ذرات چندمنظوره


    عنوان انگلیسی مقاله:

    Optimization of an HVAC system with a strength multi-objective particle-swarm algorithm


    منبع:

    Sciencedirect - Elsevier - Energy 36 (2011) 5935-5943


    نویسنده:

    Andrew Kusiak, Guanglin Xu, Fan Tang


    چکیده انگلیسی:

    A data-driven approach for the optimization of a heating, ventilation, and air conditioning (HVAC) system in an office building is presented. A neural network (NN) algorithm is used to build a predictive model since it outperformed five other algorithms investigated in this paper. The NN-derived predictive model is then optimized with a strength multi-objective particle-swarm optimization (S-MOPSO) algorithm. The relationship between energy consumption and thermal comfort measured with temperature and humidity is discussed. The control settings derived from optimization of the model minimize energy consumption while maintaining thermal comfort at an acceptable level. The solutions derived by the S-MOPSO algorithm point to a large number of control alternatives for an HVAC system, representing a range of trade-offs between thermal comfort and energy consumption.
    Keywords: HVAC | Optimization | Neutral network | Evolutionary computation | Strength multi-objective particle-swarm | algorithm


    چکیده فارسی:

    در این مقاله، روش داده¬گرا به منظور بهینه¬سازی سیستم گرمسازی، هوارسانی، و تهویه مطبوع (HVAC) در ساختمان اداری، معرفی می¬شود. از الگوریتم شبکه عصبی (NN) (به سبب عملکرد بهتر آن نسبت به پنج الگوریتم دیگری که در این مطالعه مورد بررسی قرار گرفته¬اند) برای ساخت مدل پیش¬بینی¬کننده استفاده شد. سپس، مدل پیش¬بینی NN-گرا، با الگوریتم نیرومند بهینه¬سازی ازدحام ذرات چندمنظوره (S-MOPSO) بهینه شد. رابطه میان مصرف انرژی و سطح دمای راحتی با اندازه¬گیری درجه حرارت و رطوبت، مورد بررسی قرار گرفت. تنظیمات کنترلی با توجه به بهینه¬سازی مدلی که مصرف انرژی را به حداقل برساند و در عین حال درمایی راحتی را در سطح قابل قبولی حفظ نماید، به دست آمد. جواب¬های به دست آمده بوسیله الگوریتم S-MOPSO اشاره به موارد زیادی دارد که باید در سیستم HVAC کنترل شوند، و طیفی از دیگر موارد قابل جایگزین با دمای راحتی و مصرف انرژی را نشان می¬دهد.
    کلمات کلیدی: HVAC | بهینه سازی | شبکه عصبی | محاسبات تکاملی | الگوریتم نیرومند ازدحام ذرات چندمنظوره


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 9
    تعداد صفحات فایل doc فارسی: 34

    وضعیت ترجمه عناوین تصاویر و جداول: به صورت کامل ترجمه شده است

    وضعیت ترجمه متون داخل تصاویر و جداول: به صورت کامل ترجمه شده است

    حجم فایل: 1967 کیلوبایت


    قیمت: 23000 تومان  20700 تومان(10% تخفیف)


    توضیحات اضافی:




تعداد نظرات : 0

الزامی
الزامی
الزامی
مدیریت-انرژی
موضوعات
footer