ترجمه فارسی مقاله طراحی تعاملی از آزمایشات: بهینه سازی یک سیستم خنک کننده

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Interactive Design-of-Experiments: Optimizing a Cooling System
عنوان مقاله به فارسی طراحی تعاملی از آزمایشات: بهینه سازی یک سیستم خنک کننده
نویسندگان Rainer Splechtna, Majid Behravan, Mario Jelovic, Denis Gracanin, Helwig Hauser, Kresimir Matkovic
فرمت مقاله انگلیسی PDF
تعداد صفحات 10
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Human-Computer Interaction,Machine Learning,تعامل انسان و رایانه , یادگیری ماشین ,
توضیحات Submitted 8 August, 2024; originally announced August 2024. , Comments: Will be presented at IEEE VIS 2024
توضیحات به فارسی ارسال شده در 8 اوت 2024 ؛در ابتدا اوت 2024 اعلام شد. ، نظرات: در IEEE VIS 2024 ارائه می شود
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

The optimization of cooling systems is important in many cases, for example for cabin and battery cooling in electric cars. Such an optimization is governed by multiple, conflicting objectives and it is performed across a multi-dimensional parameter space. The extent of the parameter space, the complexity of the non-linear model of the system, as well as the time needed per simulation run and factors that are not modeled in the simulation necessitate an iterative, semi-automatic approach. We present an interactive visual optimization approach, where the user works with a p-h diagram to steer an iterative, guided optimization process. A deep learning (DL) model provides estimates for parameters, given a target characterization of the system, while numerical simulation is used to compute system characteristics for an ensemble of parameter sets. Since the DL model only serves as an approximation of the inverse of the cooling system and since target characteristics can be chosen according to different, competing objectives, an iterative optimization process is realized, developing multiple sets of intermediate solutions, which are visually related to each other. The standard p-h diagram, integrated interactively in this approach, is complemented by a dual, also interactive visual representation of additional expressive measures representing the system characteristics. We show how the known four-points semantic of the p-h diagram meaningfully transfers to the dual data representation. When evaluating this approach in the automotive domain, we found that our solution helped with the overall comprehension of the cooling system and that it lead to a faster convergence during optimization.

چکیده به فارسی (ترجمه ماشینی)

بهینه سازی سیستم های خنک کننده در بسیاری موارد ، به عنوان مثال برای خنک کننده کابین و باتری در اتومبیل های برقی مهم است.چنین بهینه سازی توسط اهداف متعدد و متناقض اداره می شود و در یک فضای پارامتر چند بعدی انجام می شود.وسعت فضای پارامتر ، پیچیدگی مدل غیرخطی سیستم و همچنین زمان مورد نیاز در هر شبیه سازی و عواملی که در شبیه سازی مدل نشده اند ، نیاز به یک روش تکراری و نیمه اتوماتیک دارند.ما یک روش بهینه سازی بصری تعاملی را ارائه می دهیم ، جایی که کاربر با یک نمودار P-H کار می کند تا یک فرآیند بهینه سازی تکراری و هدایت شده را هدایت کند.یک مدل یادگیری عمیق (DL) تخمین هایی را برای پارامترها فراهم می کند ، با توجه به خصوصیات هدف سیستم ، در حالی که از شبیه سازی عددی برای محاسبه ویژگی های سیستم برای مجموعه ای از مجموعه های پارامتر استفاده می شود.از آنجا که مدل DL فقط به عنوان تقریب معکوس سیستم خنک کننده عمل می کند و از آنجا که ویژگی های هدف را می توان با توجه به اهداف مختلف و رقابتی انتخاب کرد ، یک فرآیند بهینه سازی تکراری تحقق می یابد و چندین مجموعه از راه حل های واسطه ای را ایجاد می کند ، که از نظر بصری با هر یک ارتباط دارنددیگر.نمودار استاندارد P-H ، یکپارچه در این رویکرد ، توسط یک نمایش دوگانه ، همچنین نمایش بصری تعاملی از اقدامات بیان اضافی که نمایانگر ویژگی های سیستم است ، تکمیل می شود.ما نشان می دهیم که چگونه معنایی چهار نقطه شناخته شده از نمودار P-H به طور معناداری به بازنمایی داده های دوگانه منتقل می شود.هنگام ارزیابی این رویکرد در حوزه خودرو ، دریافتیم که راه حل ما به درک کلی سیستم خنک کننده کمک می کند و منجر به همگرایی سریعتر در هنگام بهینه سازی می شود.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.