خسرو خاندانی

در این پژوهش، یک چارچوب جامع برای شناسایی سیستم و مدلسازی عملکرد توربین گاز صنعتی مدلV94.2 با هدف پیش‌بینی دقیق توان اکتیو و دمای خروجی توربین ارائه می‌گردد. به منظور دستیابی به یک تحلیل کامل و چندجانبه، چهار خانواده متفاوت از روش‌های مدلسازی شامل یادگیری ماشین (با تمرکز بر الگوریتم‌های تقویت گرادیان)، سیستم‌های فازی-عصبی تطبیقی، مدل‌های کلاسیک خطی و مدل‌های کلاسیک غیرخطی پیاده‌سازی و عملکرد آن‌ها به با معیار‌های عددی با یکدیگر مقایسه شد. برای بهینه‌سازی ساختار مدل‌های جعبه خاکستری، از روش پیشرفته اهمیت ویژگی جایگشتی به منظور انتخاب تأثیرگذارترین متغیرهای ورودی استفاده گردید. نتایج نشان داد که به دلیل ماهیت غیرخطی سیستم، مدل‌های خطی قادر به توصیف صحیح دینامیک توربین نیستند. در مقابل، سه خانواده از مدل‌های غیرخطی یادگیری ماشین، همگی به نتایج قابل قبولی براساس معیارهای محاسبه خطا دست یافتند. در این میان، مدل‌های مبتنی بر تقویت گرادیان کمترین خطای پیش‌بینی را به ثبت رساندند. همچنین، مدل فازی-عصبی تطبیقی با وجود ساختاری ساده و قابل تفسیر (شامل تنها دو قانون فازی)، عملکردی قابل رقابت با بهترین مدل‌های جعبه سیاه از خود به نمایش گذاشت. این پژوهش در نهایت با ارائه یک مقایسه جامع، به ارزیابی توانمندی‌های هر یک از این رویکردها پرداخته و یک دیدگاه روشن برای انتخاب بهینه مدل بر اساس توازن میان دقت، قابلیت تفسیر و پیچیدگی در کاربردهای صنعتی مشابه فراهم می‌آورد.