ارائه‌کننده: مهدی علی بیگی 
استاد راهنما: دکتر حسن خالقی 
استاد مشاور اول: دکتر رضا مداحیان 
استاد مشاور دوم: دکتر رامین جزمی 
استاد ناظر داخلی: دکتر سید محمد جعفر سبحانی 
استاد ناظر خارجی: دکتر مهرداد رئیسی دهکردی   
تاریخ: 1402/11/09 
ساعت: 12:00 
مکان: اتاق 154

چکیده:
مطالعه بین‌رشته‌ای فعلی، یک مطالعه جامع و مقایسه‌ای شامل مدل‌سازی سه‌بعدی، پیش‌بینی و بهینه‌سازی و ارائه دو کورولیشن آماری برای بدست آوردن بیشینه چگالی توان و چگالی جریان در نقطه‌ای که چگالی توان در آن ماکسیمم هست را برای پیل سوختی غشا تبادل پروتونی دارای غشای پلی بنزیمیدازول با دمای بالا (HT-PEMFC) ارائه کرده است. ابتدا، روش پاسخ سطحی، یکی از تکنیک‌های طراحی آزمایش به‌منظور جلوگیری از تکرار بیش از حد و پوشش کافی داده‌ها برای تعیین پارامترهای ورودی از جمله سطح دوپینگ اسید (ADL)، دمای سلول (Tcell)، عدد رینولدز آند (Rea)، عدد رینولدز کاتد (Rec)، ولتاژ سلولی (V)، کسر مول هیدروژن (xH2) و فشار عملیاتی (p) را تضمین کند. سپس، با ترکیب روش طراحی آزمایش با هوش مصنوعی (AI) برای پیش‌بینی و بهینه‌سازی عملکرد HT-PEMFC بر اساس سه رویکرد روش‌های هوش مصنوعی تحت نظارت، از جمله رگرسیون بردار پشتیبانی (SVR)، رگرسیون فرآیند گاوسی (GPR) و شبکه‌های عصبی عمیق (DNN) دارای لایه ترک، در کنار الگوریتم‌های فراابتکاری مانند؛ الگوریتم بهینه‌سازی نهنگ (WOA)، الگوریتم بهینه‌سازی ملخ (GOA)، الگوریتم کرم شبتاب (FF) و الگوریتم ژنتیکی (GA) استفاده شده است. همچنین پس از پیدا کردن نقاط بهینه بااستفاده از ترکیب روش‌هایی معرفی شده هوش مصنوعی با الگوریتم های بهینه‌سازی، دو کورولیشن برمبنای به ترتیب محاسبه ماکسیمم چگالی توان و چگالی جریان در نقطه ماکسیمم چگالی توان ارائه شده است. نتایج مطالعه پارامتری نشان می‌دهد که سطح دوپینگ اسید و دمای سلول بیشترین تاثیر را بر عملکرد HT-PEMFC با اثرگذاری بالای به ترتیب %100 و %25 دارند. شواهد نتایج یادگیری ماشین نشان می‌دهد که نتایج پیش‌بینی شده از روش‌های DNN، SVR و GPR عملکرد عالی با میانگین خطاهای درصد مطلق (MAPE) به ترتیب %0/81، %0/83 و %2/24 دارند. دستاورد ترکیب روش‌های هوش مصنوعی با الگوریتم‌های بهینه‌سازی فراابتکاری نشان داده که اکثر الگوریتم‌های بهینه‌سازی فراابتکاری ترکیب شده با هوش مصنوعی خطاهای پیش‌بینی زیر %8 با کامسول را نشان می‌دهند. به طور خاص، الگوریتم های DNN-GOA ،SVR-WOA ،SVR-GA و GPR-GOA کمترین خطاها را در میان آنها داشته‌اند. علاوه بر این، با مقایسه نتایج بدست آمده از کورولیشن‌های ارائه شده و نتایج کامسول برای نقاط بهینه مشاهده گردید که در اکثر موارد خطای نسبی کمتر از 6 درصد بدست می‌آید.