بهينه سازي پارامترهاي الگوريتم ژنتيك براي تعيين ضرايب مدل سينتيكي احتراق متان و هوا

Optimization of Genetic Algorithm Parameters for Determination of Kinetic Model Coefficients of Methane/Air Combustion

توسعه مدل هاي سينتيكي براي سوخت هاي جديد نيازمند بهينه سازي پارامترهاي سرعت واكنش هاست كه در اين ميان الگوريتم ژنتيك كارايي بالايي دارد. از آنجايي كه انتخاب پارامترهاي مناسب جمعيتي و توليد مثل (تعداد جمعيت، احتمال تركيب و احتمال جهش) در الگوريتم ژنتيك، تاثير زيادي بر دستيابي به ضرايب سينتيكي بهينه و نيز در سرعت همگرايي روش دارد، مقاله حاضر به بررسي اثر اين پارامترها در حالت هاي مختلف در بهينه سازي-هاي مربوط به يك مدل سينتيكي معتبر به عنوان ساختار مكانيسم در احتراق متان و هوا در داخل راكتور همزده پرداخته و سپس با استفاده از تحليل آماري، بهترين پارامترهاي الگوريتم ژنتيك را براي به دست آوردن پارامترهاي سينتيكي گزارش كرده است. از ميان پارامترهاي الگوريتم ژنتيك، بيشترين تاثير ناشي از احتمال جهش بوده كه مقدار بهينه آن 001/0 به دست آمد و در رتبه بعدي تاثير، جمعيت با تعداد بهينه 16 قرار گرفت. براي بررسي بيشتر اعتبار مدل بهينه شده، از مدل شعله پيش اختلاطي استفاده شد كه نتايج آن، از لحاظ توزيع اجزاي شيميايي در طول شعله، تطابق كامل با مدل سينتيكي اصلي داشت.

Development of kinetic model for new fuels requires optimization of rate parameters of chemical reactions and for this purpose, genetic algorithm (GA) has great capabilities. Since the GA population and breeding parameters (e.g. population, crossover probability, and mutation probability) deeply affect the approach to the optimum point and convergence rate toward it, in this paper the effects of those GA parameters in the optimization of a valid kinetic model for combustion of methane/air, as base mechanism, within perfectly stirred reactors studied and then by using statistical analysis the optimum GA parameters have been determined. The mutation probability has the greatest effect with the optimum value of 0.001and then population stands in the next place with optimum value of 16. In order to validate the optimized model, it was used in the simulation of a premixed flame where concentration profile of selected species match perfectly with those of the original model.