شناسایی و پیش بینی سیستم غیرخطی کوره دوار سیمان با استفاده از شبکه عصبی - فازی و انتخاب ورودی ها به کمک الگوریتم ژنتیک

با توجه به اهمیت کوره دوار سیمان در صنعت و عدم وجود یک مدل قابل قبول برای آن، شناسایی و پیش بینی وضعیت کوره از ملزومات شبیه سازی و اتوماسیون سیستم کوره دوار سیمان می باشد. کوره دوار سیمان یک سیستم غیرخطی و متغیر با زمان می باشد. در این نوشتار به منظور شناسایی و پیش بینی وضعیت کوره دوار سیمان از شبکه عصبی- فازی تطبیقی ANFIS استفاده شده است. از آنجا که داده های استخراج شده مرتبط با سیستم واقعی است، لذا انجام عملیات پیش پردازش بر روی داده های موجود یکی از مهمترین و دشوارترین مراحل شناسایی می باشد. علاوه بر ورودی های سیستم، دینامیک های سیستم که از روش لیپشیتز انتخاب شده با تاخیر خالص سیستم با یک گام عقب تر به عنوان ورودی های شبکه عصبی- فازی اعمال شده است. با توجه به مساله تعداد قوانین در سیستم فازی در زمان حضور تعداد زیادی متغیر ورودی و همچنین با وجود زیاد بودن تعداد ورودی ها مورد نیاز برای اعمال آنها به شبکه عصبی-فازی، از الگوریتم ژنتیک بعنوان روش انتخاب ویژگی به منظور کاهش تعداد متغیرهای ورودی سیستم فازی استفاده شده است. نتایج حاصل از اعمال روش مطرح شده بر روی داده های واقعی کوره دوار سیمان ساوه نشان دهنده کارایی بالای روش ارائه شده در پیش بینی عملکرد این سیستم صنعتی و غیرخطی دارد.