توسعه مدل فرآیند درون استوانه ای موتور بنزینی مجهز به سامانه زمانبندی متغیر دریچه هوا با استفاده از شبکه عصبی

استفاده از روش های مدل مبنا در طراحی و توسعه محصولات قوای محرکه خودرو رو به گسترش است. بهره گیری از روش های مدل مبنی در طراحی سامانه های کنترلی، بهینه سازی، زینه بندی و تحلیل حساسیت موتور، مستلزم در اختیار داشتن مدل های دقیق و در عین حال سریع است. در این مقاله، مدل فرآیند درون سیلندری موتور بنزینی تنفس طبیعی مجهز به سامانه زمانبندی متغیر پیوسته دریچه هوا با هدف استفاده در مدل مقدار میانگین توسعه یافته و نیز فرآیند زینه بندی مدل مبنای موتور، توسعه داده شده است. مدل فرآیند درون سیلندری، مدل ترمو-سیالاتی استاتیکی است که با دریافت شرایط مرزی حاکم بر سیلندر، مقادیر شاخص های عملکردی و آلایندگی سیکل موتور را پیش بینی می نماید. با توجه به زمان حل نسبتا بالای مدل های ترمو-سیالاتی موتور، استفاده مستقیم از این مدل ها در شبیه سازی های کنترلی موتور -بواسطه زمان حل نسبتا زیاد-، پاسخگوی نیاز مدل سازی کنترلی نخواهد بود. از این رو، در این مقاله ابتدا مدل ترمودینامیکی موتور در یک نرم افزار تجاری تحلیل سیکل های موتور توسعه داده شده و پس از صحه گذاری، نتایج مدل در ازای ورودی های مختلف در قالب داده های ورودی-خروجی آماده شده است. به منظور افزایش غنای داده ها، از روش سبل به منظور تولید داده های ورودی به مدل ترمودینامیکی استفاده شده است. در ادامه مجموعه داده های تولید شده، به شبکه عصبی چندلایه آموزش داده شده است. با توجه به روند تغییرات پارامترهای خروجی، از دو شبکه عصبی مجزا به منظور پیش بینی پارامترها استفاده شده است. به منظور صحت سنجی مدل، نتایج حاصل از مدل با مقادیر تجربی در شرایط عملکردی تمام بار و میان بار مقایسه شده است. مقایسه نتایج حاصل از مدل توسعه یافته با مقادیر تجربی نشان می دهد، مدل شبکه عصبی می تواند شاخص های عملکردی و آلایندگی موتور را در ازای ورودی های مختلف در شرایط تمام بار و میان بار موتور را با دقت مناسب و در زمان بسیار کوتاه پیش بینی نماید و از این رو می تواند در مدل های مقدار میانگین توسعه یافته و نیز زینه بندی مدل مبنا مورد استفاده قرار گیرد.