پيش بيني مشخصه هاي عملكردي يك ديزل ژنراتور بوسيله شبكه عصبي با كابرد سوخت بيوديزل

Artificial neural network model to predict the performance of a diesel power generator fueled with biodiesel

امروزه سوخت هاي جايگزين براي سوخت ديزل به شدت مورد بررسي قرار گرفته است. امروزه در ايران، ديزل ژنراتورها بطور عمده در كارخانه هاي مختلف صنعتي مورد استفاده قرار مي گيرد. بهمين جهت، تخمين ميزان عملكرد ديزل ژنراتورها با استفاده از زيست سوخت ها ضروري بنظر مي رسد. براي اولين بار، در اين مطالعه، پيش بيني مشخصه هاي عملكردي يك ديزل ژنراتور مدل CAT3412 بوسيله روش شبكه هاي عصبي با كاربرد مخلوط هاي سوخت بيوديزل حاصل از روغن پسماند جهت تعيين اينكه چگونه ورودي ها بر خروجي ها تاثير مي گذارد، مورد انجام قرار گرفته است. سوخت ديزل و بيوديزل (B100) و مخلوط‌هاي آن با سوخت ديزل كهB20 ، B50 و B100 هستند جهت تعيين مشخصه هاي عملكردي موتور در دور ثابت و براي بارهاي مختلف اعمالي مورد ارزيابي قرار گرفتند. در اين تحقيق مدل‌هاي شبكه عصبي جهت پيش بيني توان ترمزي، گشتاور ترمزي، مصرف سوخت ويژه ترمزي و بازده حرارتي ترمزي ديزل ژنراتور مورد نظر پيشنهاد شدند. ضريب تبيين بدست آمده براي همه مدل ها در اين تحقيق بيشتر از 0/95 بود كه اين نشان مي دهد كه مدل هاي شبكه عصبي مصنوعي به عنوان يك ابزار قابل اطمينان براي پيش بيني مشخصه هاي عملكردي ديزل ژنراتورها محسوب مي شوند.

Alternative fuels are intensively investigated for the replacement of the diesel fuel. Today the diesel power generators are mostly used in the various industrial companies in Iran. Therefore, it is necessary to estimate the level of performance of the diesel power generators fueled with biofuels. For the first time, in this study, the prediction of the performance of a diesel power generator model CAT3412 is carried out for different neural networks to define how the inputs affect the outputs using the biodiesel blends produced from waste cooking oil. Diesel fuel, B100, and biodiesel blends with diesel fuel, which are B20, B50, and B80, were used to measure the engine performance for different engine loads at the rated engine speed. In this paper, artificial neural network models are proposed for the prediction of brake power, brake torque, BTE and BSFC. The coefficient of multiple determination values are found to be above 0.95 for all the models. It is evident that the ANN models are reliable tools for the prediction of the performance of diesel power generator.