تحلیل و ارزیابی موتور های دیزلی تزریق مستقیم به منظور بهینه سازی عملکرد و آلاینده ها

در مقاله حاضر،بهینه سازیهم زمان مصرف سوخت و آلاینده های NOxو soot در یک موتور دیزلیتزریق مستقیم، با اعمال پارامترهای کنترلیدمای هوای ورودی، جرم سوخت تزریق شده و دور موتور، با استفاده از ترکیب شبکه عصبی و الگوریتم مورچگان انجام شده است.با توجه به غیرخطی و پیچیده بودن رفتار موتورهای احتراق داخلی، ابتدا، با استفاده از آزمایشات تجربی انجام گرفته،ارتباط بین پارامترهایورودیو خروجی توسط شبکه عصبی فراهم گردید. شبکه عصبی مصنوعی با الگوریتم آموزشی لونبرگ- مارگوارت برای مدل سازی و آموزش ارتباط موجود بین پارامترهای مذکور، استفاده شده و به عنوان یک روش پیشگو درالگوریتم مورچگان، برای یافتن مقادیر بهینه، به صورت یک زیرروال به کار رفته است.نتایجنشان می دهدکهبه ازاییک دور خاص در موتور، پارامترهای بهینه شده به سمت دماهای پایین تر کشیده می شود و این به دلیل کاهش مقادیر آلاینده هایNOxو soot با پایین آمدن دمای هوای ورودی به موتور است. از طرفی بهبود کیفیت مقادیرNOx تولید شده، به دلیل وزن بالای آن در تابع هدف بر نتیجه کلی بهینه سازی اثر گذاشته و رفتار تابع هدف از لحاظ همگرایی بسیار شبیه رفتار NOxمی باشد. همچنینروش ترکیبی شبکه عصبی - الگوریتم مورچگان به دلیل همگرایی سریعو به تبع آن، زمان پاسخگویی کوتاه، می تواند به عنوان یک روش موثردر سیستم های کنترل هوشمند موتورهای دیزلی برای کاهش آلاینده ها و میزان مصرف سوخت، مورد استفاده قرار گیرد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، موتورهای دیزلی تزریق مستقیم ، مدلسازی ، NOx ، Soot