هدف از این تحقیق بررسی عملکرد الکتروفیلتر کارخانة سیمان زاوه و ارائة مدل بهینة پیش‌بینی غبار با شبکه‌های عصبی پرسپترون (MLP) و تابع پایة شعاعی (RBF) است. با استفاده از 5048 داده، تأثیر پارامترهای فشار، دما، و ولتاژ در نرم‌افزار MATLAB بررسی شد. شبکة MLP با چهار لایه شامل لایة ورودی (سه نورون)، لایة اول پنهان (2 تا ۲۰ نورون)، لایة دوم پنهان (2 تا 10 نورون)، و لایة آخر (یک نورون) طراحی و خطای خروجی حاصل از اجرا (سه مرتبه) محاسبه گردید. در MLP، الگوریتم یادگیری Levenberg-Marquardt و تابع انتقال Hyperbolic tangent با حداکثر تعداد تکرار یادگیری (Epoch) 1000 به‌کار گرفته شد. در RBF مضرب دو لایة MLPبرای RBF انتخاب شد. برای بررسی عملکرد الکتروفیلتر، رطوبت، سرعت، فشار، دبی، و دمای گاز توسط دستگاهKIMO HD و غبار با دستگاه Westech در شرایط ایزوکنتیک اندازه‌گیری گردید. میانگین مربعات خطا در MLP برای داده‌های آموزش 36/1 و برای داده‌های تست 78/2 و در RBF برای دادهای آموزش 1/39 و برای داده‌های تست 3/15 بود (ضریب همبستگی 0/78 در MLP و 0/68 در RBF). نتایج آنالیز حساسیت نشان داد که تغییرات ولتاژ تأثیر مهمی بر غبار نسبت به سایر پارامترها می‌گذارد. براساس بررسی وضعیت سیستم کنترل غبار، عملکرد الکتروفیلتر موجود نسبت به عمر مفید الکتروفیلترها کاهش چشمگیری نداشت. یافته‌های این پژوهش دلالت می‌کنند که اگر شبکة عصبی به درستی آموزش داده شود، می‌تواند روشى دقیق و سریع برای حل مسائل پیچیده و زمان‌بر باشد. پیشنهاد می‌شود تأثیر سرعت، رطوبت، و نقطة شبنم بر غبار خروجی با استفاده از شبکه‌ بررسی گردد.

کلمات کلیدی