۳-۴-۱-۳ استفاده از حل تحلیلی
حلهای تحلیلی در تعیین میزان عملکرد پیلهای سوختی در ازای شرایط مختلف پارامترها، حـلهایی با دقت و سرعت مناسب است و بنابراین با دلایل مطرح شده در قسمت ۳-۴-۱-۱ و ۳-۴-۱-۲ تنها حل قابل استفاده در الگوریتم بهینهسازی حاضر، حل تحلیلی است. در فصل چهارم به معرفی نرمافزار پیل سوختی پلیمری که در گروه پیل سوختی دانشگاه صنعتی بابل تدوین شده است پرداخته شده است. این نرمافزار با گرفتن مقادیر پارامترها به حل تحلیلی پیل سوختی پرداخته و در نهایت منحنی پلاریزاسیون و منحنی توان را رسم میکند. در پژوهش حاضر از این نرم افزار که بر پایه حل تحلیلی است، جهت ایجاد توابع ارزیابی استفاده شده است.
( اینجا فقط تکه ای از متن پایان نامه درج شده است. برای خرید متن کامل فایل پایان نامه با فرمت ورد می توانید به سایت feko.ir مراجعه نمایید و کلمه کلیدی مورد نظرتان را جستجو نمایید. )
۳-۴-۲ تعریف تابع برازندگی
پس از رسم منحنی پلاریزاسیون و منحنی توان توسط حل تحلیلی معیارهای متفاوتی را میتوان بعنوان تابع برازندگی درنظر گرفت که از آن جمله می توان به سطح زیر نمودار پلاریزاسیون و بیشترین مقدار توان و … اشاره کرد. هر کدام از معیارهای گفته شده، شاخصهای مشابهی از عملکرد پیل سوختی را بیان میکنند. در تحقیق حاضر بیشترین مقدار در منحنی توان بعنوان معیار عملکرد یا بعنوان تابع برازندگی درنظر گرفته شده است. شکل (۳-۶) این معیار را به وضوح نشان میدهد.
شکل (۳-۶) تعیین مقدار ماکزیموم بعنوان تابع برازندگی
۳-۴-۳ برنامه نویسی در محیط Manuscript File نرم افزار MATLAB
در میان محیطهای مختلف برنامه نویسی مثل Basic ، Fortran ، C و . . . نرم افزار MATLAB یک نرم افزار توانمند و چندگانه به شمار می آید. قابلیت محاسباتی بالا و سریع، زبان بسیار ساده برنامه نویسی، قابلیت رسم گرافهای چند بعدی و استفاده از جعبه ابزارهای مختلف از قبل آماده شده، این نرم افزار را در زمره یکی از پرکاربردترین نرم افزارها در عرصه بهینه سازی قرار می دهد. به دلیل سادگی ساختار زبان برنامه نویسی و توانایی های ذکر شده فوق از این نرم افزار برای برنامه نویسی استفاده گردید. Manuscript File این نرم افزار محیطی برای برنامه نویسی کاربران است که در تحقیق حاضر از این محیط جهت تدوین برنامه بهینه سازی الگوریتم استفاده شد.
۳-۴-۴ استفاده از الگوریتم ژنتیک نخبه گرا
الگوریتمهای متفاوتی جهت بکارگیری مفاهیم ژنتیک وجود دارد که ممکن است کاربرد آنان علاوه بر مزایا و معایب هر یک از الگوریتمها، به سلیقه کاربران وابسته باشد. الگوریتم نخبه گرا به دلیل حفظ جواب بهینه و عدم از بین رفتن مقادیر بهینه در تعداد نسلهای زیاد، یکی از قویترین الگوریتمهای ژنتیک می باشد که قابلیتهای آن ثابت شده است. نمودار گردشی الگوریتم مورد استفاده در شکل (۳-۷) آورده شده است.
۳-۴-۴-۱ کدگذاری مقادیر پارامترها
دامنه تغییرات در نظر گرفته شده برای این متغـیرها در الگوریتم حاضر در جـدول (۳-۱) آورده شـده اسـت. برای کدگذاری این سه پارامتر از شیوه کدگذاری اعداد حقیقی استفاده شده است، به این ترتیب که برای ایجاد هر کروموزوم، برنامه نوشته شده در مطلب دو عدد بین مقادیر ۰.۵ تا ۵ را بصورت کاملا تصادفی حدس می زند که این مقادیر حدسی بعنوان فشارهای آند و کاتد در نظر گرفته می شوند، همچنین یک عدد تصادفی بین ۶۸ تا ۸۰ را حدس زده و این مقدار حدسی را به عنوان مقدار در نظر گرفته شده برای دمای کارکردی پیل در نظر می گیرد.
جدول (۳-۱) دامنه مقادیر در نظر گرفته شده برای پارامترها
پارامتر | حد پایین | حد بالا |
فشار کاتد | ۵/۰ bar | ۵ bar |
فشارآند | ۵/۰ bar | ۵ bar |
دمای سلول | ۶۸ oC | ۸۰oC |
شکل (۳-۷) نمودارالگوریتم ژنتیک بکار گرفته شده در تحقیق حاضر
۳-۴-۴-۲ انتخاب تعداد جمعیت اولیه و تعداد نسل ها
تعداد نسل و تعداد جمعیت اولیه معمولا نسبت به تعداد پارامترهای متغیری که قرار است توسط الگوریتم ژنتیک بهینه شود تعیین می گردند. معمولا برای تعداد سه پارامتر مقدار ۲۰ جمعیت اولیه و تعداد ۱۵۰ تا ۲۰۰ نسل را در نظر می گیرند ]۲۴[ ولی در این تحقیق برای قویتر کردن تعداد جستجو مقدار ۲۵ کروموزوم برای جمعیت اولیه انتخاب شد و برای سرعت بیشتر در اجرای برنامه تعداد۱۵۰ نسل برای جستجو در نظر گرفته شد.
۳-۴-۴-۳ اعمال اپراتور پیوند و جهش در الگوریتم ژنتیک حاضر
در شیوه نمایش حقیقی از رابطه زیر میتوان برای پیوند ژنهای والدین و تولید ژنهای فرزندان استفاده کرد.
(۳-۷)
رابطه فوق میتواند عمل پیوند را به شایستگی اعمال نماید که در این تحقیق هم از همین رابطه برای سیستم اعداد حقیقی استفاده شده است. در رابطه فوق R یک عدد تصادفی بین صفر و یک است. عملگر جهش هم که از عملگرهای اساسی در ژنتیک محسوب می شود با رابطه زیر اعمال شده است.
(۳-۸)
نرخ جهش و نرخ پیوند بر اساس مقادیر پیشنهاد شده در مقاله محمد و همکارش ]۲۴[ به ترتیب ۱۰% و ۹۰% انتخاب شده است. مقادیری که برای پارامترهای کنترلی ژنتیک در این پژوهش مورد استفاده قرار گرفته است در جدول (۳-۲) نمایش داده شده است.
جدول (۳-۲) مقادیر پارامترهای الگوریتم ژنتیک
تعداد نسل ها | ۱۵۰ |