مدل سازی و پیش بینی مصرف سوخت و آلایندگی در موتورهای دیزلی پاشش مستقیم با استفاده از شبکه عصبی مصنوعی با اعمال پارامترهای کنترلی دور موتور، جرم سوخت و دمای هوای ورودی

در پژوهش حاضر با استفاده از شبکه عصبی مصنوعی، مدل سازی و پیش بینی آلاینده های NOx، دوده و مصرف سوخت در یک موتور دیزلی پاشش مستقیم با اعمال متغیرهای کنترلی دور موتور، دمای هوای ورودی به موتور و جرم سوخت پاشیده شده به محفظه احتراق انجام شده است. برای این منظور، با استفاده از آزمایشات تجربی انجام گرفته، مقدمات لازم برای مدل سازی و ارتباط بین پارامترهای ورودی و خروجی توسط شبکه عصبی فراهم گردید. شبکه عصبی مصنوعی با الگوریتم آموزشی لونبرگ-مارکوارت برای آموزش ارتباط موجود بین پارامترهای مذکور، طوری طراحی شده که در آن مدل سازی متغیرهای خروجی به صورت کاملا مستقل انجام می گیرد. یعنی برای هر خروجی مانند NOx، تعداد نرون های لایه پنهان و پارامترهای کنترلی شبکه کاملا متفاوت از همین پارامترها برای دوده یا مصرف سوخت خواهد بود. نتایج نشان می دهد شبکه عصبی طراحی شده، به ازای 36 نرون در لایه پنهان در دور 3733 به دقت 97/0 برای آزمایش داده ها در مدل سازی NOx می رسد. همچنین مدل سازی دوده با تعداد نرون های بیشتر و دقت 96/0 در دور 2081 انجام می شود. از طرفی میزان دقت آزمایش برای مدل شبکه ای مصرف سوخت به ازای 19 نرون در لایه پنهان در دور 3698 برابر 94/0 بوده که کاهش دقت مدل سازی آن، مربوط به پراکندگی ناموزون داده های تجربی در طیف وسیعی از دامنه مدل سازی می باشد. مدل پیشنهادی شبکه عصبی ، به دلیل همگرایی سریع و به تبع آن، زمان پاسخگویی کوتاه، می تواند به عنوان یک روش موثر در سیستم های کنترل هوشمند موتورهای دیزلی پاشش مستقیم برای کاهش آلاینده ها و مصرف سوخت، مورد استفاده قرار گیرد