مدلسازی سامانه های بیودیزل با استفاده از یادگیری ماشین

باتوجه به پیچیدگی و غیرخطی بودن فرایندهای تولید و استفاده از بیودیزل، ابزارهای مدل سازی سریع و دقیق برایطراحی، بهینه سازی ، نظارت و کنترل آنها موردنیاز است. رویکردهای یادگیری ماشین مبتنی بر داده، قابلیت پیش بینی دقیق تریرا در مقایسه با روش های مرسوم برای مدلسازی چنین فرایندهای پیچیده ای نشان داده اند. از رویکردهای یادگیری ماشین عمومادر تحقیقات بیودیزل برای مدل سازی فرایندهای ترانس استریفیکاسیون، ویژگی های فیزیکی و شیمیایی بیودیزل و همچنینموتورهای احتراق داخلی سوخت رسانی شده با بیودیزل استفاده شده است. هدف اولیه از معرفی رویکردهای یادگیر ی ماشین بهصنعت بیودیزل، نظارت و کنترل سامانه های بیودیزل در زمان واقعی بوده است. در میان رویکردهای موجود یادگیری ماشین ،فناوری شبکه عصبی مصنوعی پرکاربردترین رویکرد در تحقیقات بیودیزل است. هدف از این مقاله بررسی کامل و بحث انتقادیکاربردهای مختلف رویکرد یادگیری ماشین، برای حل مشکلات تخمین، بهینه سازی، نظارت و کنترل در تحقیقات بیودیزل است.علاوه بر این، مزایا و معایب استفاده از این رویکردها در سامانه های بیودیزل برای هدایت تلاش های تحقیقاتی آینده در این حوزهبرجسته شده است؛ بنابراین، به نظر می رسد در مطالعات آینده استفاده از رویکردهای یادگیری ماشین برای نظارت و کنترلبی درنگ فرایند سامانه های بیودیزل برای افزایش کارایی تولید، دوام اقتصادی و پایداری زیست محیطی هدایت شوند.

کلیدواژه ها:

یادگیری ماشین ، بیودیزل ، کنترل ، مد لسازی ، ترانس استریفیکاسیون