عنوان مقاله :
مدل‌سازي و بهينه‌سازي پارامترهاي عملكردي موتور ديزل دوگانه‌سوز تحت اثر تغييرات زمان پاشش و درصد اختلاط سوخت به كمك شبكه عصبي مصنوعي و الگوريتم ژنتيك چندهدفه
عنوان به زبان ديگر :
Modelling and Optimizing Effect of Start of Injection and Blend of Fuels on Dual Fuel Diesel Engine Performance Parameters by ANN and NSGA II
پديد آورندگان :
مستشار شهيدي، محسن دانشگاه فردوسي مشهد - دانشكده كشاورزي - گروه مهندسي بيوسيستم , روحاني، عباس دانشگاه فردوسي مشهد - دانشكده كشاورزي - گروه مهندسي بيوسيستم , خجسته پور، مهدي دانشگاه فردوسي مشهد - دانشكده كشاورزي - گروه مهندسي بيوسيستم , زارعي، جواد دانشگاه فردوسي مشهد - دانشكده كشاورزي - گروه مهندسي بيوسيستم
كليدواژه :
ديناميك سيالات محاسباتي , شبكه عصبي مصنوعي RBF , الگوريتم ژنتيك چندهدفه , موتور ديزل دوگانه‌سوز OM55 EU2
چكيده فارسي :
استفاده از سوخت‌هاي متنوع در موتورهاي ديزل باعث شده تا اين دسته از موتورها به‌صورت دوگانه‌سوز مورداستفاده قرار گيرند. كاهش آلايندگي و مصرف سوخت كمتر از ويژگي‌هاي موتور ديزل دوگانه‌سوزي است كه از تركيب گاز- ديزل بهره مي‌گيرند. در اين تحقيق سعي شد تا به كمك روش ديناميك سيالات محاسباتي اثر تغييرات زمان پاشش و درصد اختلاط سوخت در موتور ديزل دوگانه‌سوز OM355 EU2 در دو سرعت مختلف بررسي گردد. اثرات متقابل متغيرهاي ورودي و عدم ارائه مدل يكنواخت براي پارامترهاي عملكردي موتور موجب شد مدل‌سازي شبكه عصبي مصنوعي جهت مطالعه اثرات توأم متغيرهاي زمان پاشش و درصد اختلاط سوخت‌ها استفاده شود. بهينه‌سازي به كمك الگوريتم ژنتيك چندهدفه نيز براي تعيين سطوح بهينه متغيرها بكار گرفته شد. نتايج اين تحقيق نشان داد كه شبكه عصبي مصنوعي RBF پيش‌بيني‌هاي قابل قبولي (RMSE = 0.01 و R2=0.99) از روند تغييرات خروجي‌ها داشته و به كمك سطح پاسخ شبكه عصبي محدوده بهينه كاركرد موتور در سرعت‌هاي مشخصه به دست آمد. همچنين قابليت‌هاي بهينه‌سازي الگوريتم ژنتيك چندهدفه اين امكان را فراهم مي سازد تا در سرعت‌هاي مختلف سطوح بهينه‌اي از متغيرهاي ورودي و خروجي به دست آيد.
چكيده لاتين :
The dual fuel diesel engine (DDF) is a one of the various IC engine that can used alternative fuel for power
generation. Emission and fuel consumption reduction are some of the properties that use a combination of
fuel mixture in dual fuel diesel engine (gas-diesel). We focused in this research to study the effect of start of
injection (SOI) and blend of fuels variation in OM355 EU2 dual fuel diesel engine at two various speeds
with the help of the computational fluids dynamic. The modeling of the artificial neural network (ANN) has
been used to study the interaction effects of SOI and blend of fuel on the operational parameters. The nonsorted genetic algorithm (NSGA II) has been used for determining the optimized levels of the variables. The
results of this study show that the RBFNN has acceptable predictions about the outputs’ variables (R =
0.99 ,RMSE = 0.01), and the optimized range of the engine function in the specific speeds has been attained
with the help of the responding surface of the neural network. Besides, the optimizing capabilities of the
NSGA II have provided the optimized levels of the input and output variables in the various speeds.
عنوان نشريه :
مكانيك سازه ها و شاره ها
