مدل‌سازی و پیش‌بینی مصرف سوخت و آلایندگی در موتورهای دیزلی پاشش مستقیم با استفاده از شبکه‌ عصبی مصنوعی با اعمال پارامترهای کنترلیِ دور موتور،‌ جرم سوخت و دمای هوای ورودی

نوع مقاله : مقاله مستقل

نویسندگان

1 استادیار، دانشکده مهندسی مکانیک، دانشگاه علوم دریایی امام خمینی (ره)، نوشهر، ایران

2 دانشجوی دکتری، دانشکده مهندسی مکانیک، دانشگاه تربیت دبیر شهید رجایی و دانشگاه علوم دریایی امام خمینی (ره)، تهران، ایران

چکیده

در پژوهش حاضر با استفاده از شبکۀ عصبی مصنوعی، مدل‌سازی و پیش‌بینی آلاینده‌های NOx، دوده و مصرف سوخت در یک موتور دیزلی پاشش مستقیم با اعمال متغیرهای کنترلیِ دور موتور،‌ دمای هوای ورودی به موتور و جرم سوخت پاشیده شده به محفظة احتراق انجام شده‌است. برای این منظور، با استفاده از آزمایشات تجربی انجام گرفته، مقدمات لازم برای مدل‌سازی و ارتباط بین پارامترهای ورودی و خروجی توسط شبکه عصبی فراهم گردید. شبکۀ عصبی مصنوعی با الگوریتم آموزشی لونبرگ-مارکوارت برای آموزش ارتباط موجود بین پارامترهای مذکور، طوری طراحی شده‌ که در آن مدل‌سازی متغیرهای خروجی به صورت کاملاً مستقل انجام می‌گیرد. یعنی برای هر خروجی مانند NOx، تعداد نرون‌های لایه پنهان و پارامترهای کنترلی شبکه کاملا متفاوت از همین پارامترها برای دوده یا مصرف سوخت خواهد بود. نتایج نشان می‌دهد شبکه عصبی طراحی شده، به ازای 36 نرون در لایه پنهان در دور 3733 به دقت 97/0 برای آزمایش داده ها در مدل‌سازی NOx می‌رسد. همچنین مدل‌سازی دوده با تعداد نرون‌های بیشتر و دقت 96/0 در دور 2081 انجام می‌شود. از طرفی میزان دقت آزمایش برای مدل شبکه‌ایِ مصرف سوخت به ازای 19 نرون در لایه پنهان در دور 3698 برابر 94/0 بوده که کاهش دقت مدل‌سازی آن، مربوط به پراکندگی ناموزون داده‌های تجربی در طیف وسیعی از دامنه مدل‌سازی می‌باشد. مدل پیشنهادی شبکه عصبی ، به دلیل همگرایی سریع و به تبع آن، زمان پاسخگویی کوتاه، می‌تواند به عنوان یک روش مؤثر در سیستم‌های کنترل هوشمند موتورهای دیزلی پاشش مستقیم برای کاهش آلاینده‌ها و مصرف سوخت، مورد استفاده قرار گیرد

کلیدواژه‌ها


[1] محسنیان راد ا ف، خشنودی م (1380) شبیه سازی گسترش شعله در موتورهای جرقه افروزشی با استفاده از شبکه عصبی. پایان نامه کارشناسی ارشد: دانشگاه سیستان و بلوچستان، ایران.
[2] Parlak A, Islamoglu Y, Yasar H, Egrisogut A (2006) Application of artificial neural network to predict specific fuel consumption and exhaust temperature for a diesel engine. App Therm Eng 26: 824-828.
[3] Ramadhas AS, Jayaraj S, Muraleedharan C, Padmakumari K (2006) Artificial neural networks used for the prediction of the cetane number of biodiesel. Ren Energy 31(15): 2524-2533.
[4] Atashkari K, Nariman-Zadeh N, Golcu M, Khalkhali A, Jamali A (2007) Modelling and multi-objective optimization of a variable valve-timing spark-ignition engine using polynomial neural networks and evolutionary algorithms. En Conv Manag 48: 1029-1041.
[5] Ghobadian B, Rahimi H, Nikbakht AM, Najafi G, Yusaf TF (2009) Diesel engine performance and exhaust emission analysis using waste cooking biodiesel fuel with an artificial neural network. Ren Energy 34: 976-982.
[6] Abassi A, Khalilarya S, Jafarmadar S (2010) The influence of injection system characteristics on the first- and second-law terms in high-speed DI diesel engines with swirl combustion chamber. Int J Exergy 7(4).
[7] Togun NK, Baysec S (2010) Prediction of torque and specific fuel consumption of a gasoline engine by using artificial neural networks. App Energy 87: 349–355.
[8] نجفی ب (1390) پیش بینی تاثیر استفاده از سوخت بیودیزل حاصل از روغن پسماند بر عملکرد و آلایندگی موتور دیزل به کمک شبکة عصبی مصنوعی. مجله علمی پژوهشی مهندسی مکانیک مدرس 20-11 :(4)11.
[9] Cay Y, Cicek A, Kara F, Sagiroglu S (2012) Prediction of engine performance for an alternative fuel using artificial neural network. App Ther Eng 37: 217-225.
[10] Arumugam S, Sriram G, Shankara Subramanian PR (2012) Application of artificial intelligence to pridict the performance and exhaust emissions of diesel engine using rapeseed oil methyl ester. Pro Eng 38: 853-860.
[11] شیرنشان ع، حسین‌زاده سامانی ب، ندای علی ا (1395) پیش‌بینی مشخصه‌های عملکردی یک مولد قدرت دیزل بوسیله شبکه عصبی با کاربرد سوخت بیودیزل. فصلنامه علمی پژوهشی تحقیقات موتور 50-43 :42.
[12] حسینی س ح، تقی‌زاده علی سرایی ا، قبادیان ب، عباس‌زاده مایوان ا (1396) مدل‌سازی اثر نانولوله‌های کربن اضافه‌شده به مخلوط سوخت دیزل - بیودیزل بر عملکرد و آلایندگی یک موتور دیزل با استفاده از شبکة عصبی. نشریه علمی پژوهشی سوخت و احتراق 16-1 :(2)10.
[13] Kesgin U (2004) Genetic algorithm and artificial neural network for engine optimization of efficiency and NOx emission. Fuel 83: 885-895.
[14] Prucka RG, Wu B, Filipi ZS, Kramer DM, Ohl GL (2005) Cam-Phasing optimization using artificial nural network surrogate models-maximazing torque output. SAE Paper 2005–01–3757.
[15] Park S (2012) Optimization of combustion chamber geometry and engine operating conditions for compression ignition engines fueled with dimethyl ether. Fuel 97: 61-71.
[16] Bhaskor JBora, Ujjwal KSaha (2016) Optimisation of injection timing and compression ratio of a raw biogas powered dual fuel diesel engine. App Therm Eng 92: 111-121.
[17] Mohammadhassani J, Dadvand A, Khalilarya S, Solimanpur M (2016) Prediction and reduction of diesel engine emissions using a combined ANN–ACO method. Applied Soft Comput 34: 139-150.
[18] Zarenezhad Ashkezari A, Hossein Nezhad A, Farahat S (2016) Reduction of pollutant emissions by developing a variable valve timing system in a direct injection diesel engine using computational fluid dynamics modeling. Environ Prog Sustain 35: 1430-1440.
[19] Thompson GJ, Atkinson CM, Clark NN, Long TW, Hanzevack E (2000) Neural network modelling of the emissions and performance of a heavy-duty dieselengine. Proc Instn Mech Eng Part D Eng 214: 111-126.
[20] چامه سرا س، میرسلیم س م (1395) بررسی تاثیر فشار هوای ورودی و عوامل پاشش سوخت بر روی ارتقاء توان و کاهش آلایندگی موتور دیزل سنگین. مجله علمی پژوهشی مکانیک سازه‌ها و شاره‌ها 247-239 :(4)6.
[21] مبشری ر، اکبری ر (1396) بزرسی تاثیزات همزمان فشار پاشش سوخَت و بازخورانی گازهای خروجی بر عملکرد و میزان آلاینده‌های تولیدی یک موتور اشتعال تراکمی پاشش مستقیم سرعت بالا. مجله علمی پژوهشی مکانیک سازه‌ها و شاره‌ها 226-213 :(3)7.
[22] Zarenezhad Ashkezari A, Divsalar K, Malmir R, Abbaspour I (2020) Emission and performance analysis of DI diesel engines fueled by biodiesel blends via CFD simulation of spray combustion and different spray breakup models: a numerical study. J Therm Anal Calorim 139(4): 2527-2539.