مدلسازي موتور M13GS در نرم افزار GT-POWER و تعيين پارامترهاي كليدي با الگوريتم آناليز حساسيت

Providing M13GS engine model in GT-POWER and determining key parameters with sensitivity analysis

بهينه سازي در موتور يكي از اركان مراكز تحقيقات و طراحي موتور مي باشد. اين بهينه سازي عمدتا براي كاهش مصرف سوخت و آلايندگي صورت مي پذيرد. براي بهينه سازي، يكي از ابزارهاي بهينه سازي، استفاده از مدل هاي خطي پيچيده مي باشد. در اين حالت لازم است تا يك مدل پايه از موتور مربوطه تهيه شده و با اطلاعات آزمايشگاهي صحه گذاري شود. مدلي كه از حداكثر اطلاعات آزمايشگاهي موجود بهره برداري كند و همزمان بهترين پيش بيني ها را روي نتايج آزمايشگاهي نشان دهد، مدل بهينه نامگذاري مي شود. عمليات بهينه سازي موتور پس از كسب اين مدل بهينه انجام مي شود.البته تهيه اين مدل بهينه پايه، مي تواند با تمركز روي پارامترهاي متفاوت و با روش هاي مختلفي انجام شود (در يك موتور با هندسه مشخص بيش از صد پارامتر متغير ديگر وجود دارد كه بايد روي آنها تصميم گيري شود). در اين مقاله با يك روش سيستماتيك و نهايتا با به كارگيري تحليل حساسيت روش مناسبي براي ارايه يك مدل كاربردي با استفاده حداكثري از داده هاي آزمايشگاهي بر روي موتور M13GS توسعه يافته توسط شركت مگاموتور ارايه گرديده است. در اين مقاله نشان داده شده است كه از ميان 20 پارامتر مجهول، مسيله نسبت به سه پارامتر داراي حساسيت بالايي است. نهايتا با يك بهسازي مناسب روي اين پارامترها، مدلي با خطايي كمتر از 7 درصد ارايه گرديده است. براي اين منظور از نرمافزار GT-POWER به عنوان ابزار اصلي شبيه سازي موتور استفاده شده است. نتايج حاصل از مدل با اطلاعات آزمايشگاهي گرفته شده از شركت مگاموتور اعتبارسنجي شد.

Optimization is one of the base elements in engine research and develops. Mostly this optimization made with the point of having less fuel consumption and emission. One of the optimization tools is using complicated linear models. In such case, a base model is design and qualifies with experimental data. A model that use maximum experimental data and at the same time has best prediction on experimental data is an optimized model. Providing an optimized model can make with concentration on different parameters and methods. This study with a systematic method and finally with sensitivity analysis a proper method for providing a practicable with maximum use of experimental data on M13GS engine which developed by Mega motor company is presented. In this study, showed problem between 20 unknown parameters is sensitive to three parameters. Finally, with a proper optimization on these parameters a model with less than 7 percent error presented. For this purpose GT-POWER software as a main simulation tool is used. Results of model are qualified with Mega motor experimental data.