پیش بینی آلایندگی خروجی خودرو در رانندگی واقعی با استفاده ازیک روش نوین جمع آوری گازهای خروجی به کمک شبکه عصبی

امروزه کنترل میزان تولید آلایندگی توسط خودروهایک معضل بزرگ می باشد . بیشترین آلایندگی تولید شده توسط خودروها در زمان راه اندازی سرد موتور است . در پژوهش حاضر،یک روش جدید برای کاهش آلایندگی در زمان راه اندازی سرد و در نتیجه کاهش آلایندگی کلی توسط هوش مصنوعی ارایه شده است . در این روش یک شبکه عصبی توسط داده های آزمایشگاهی آموزش داده شده است . سپس دو سری ورودی سرعت ، شتاب، زمان و شماره دنده رانندگی واقعی (یکی با استفاده از این روش نوین و دیگری بدون استفاده از این روش نوین ) بصورت جداگانه به شبکه نورونی چند لایه اول داده شده است و دمای پس پالایشگر سه کاره به عنوان خروجی بدست آمده است . در ادامه دمای پس پالایشگر سه کاره به همراه دو سری ورودی های شبکه نورونی چندلایه اول ، بصورت جداگانه به عنوان ورودی به شبکه نورونی چندلایه دوم داده شده است و میزان تولید آلاینده ها (هیدروکربن های نسوخته ، اکسیدهای نیتروژن وکربن مو نواکسید) با استفاده از این روش نوین و بدون استفاده از این روش نوین به عنوان خروجی شبکه نورونی چندلایه دوم بدست آمده است . نتایج بدست آمده حاکی از آن است که این روش نوین میزان تولید آلاینده های کربن مونواکسید، هیدروکربن های نسوخته و اکسیدهای نیتروژن را به ترتیب ۴ الی ۶ ، ۱۹ الی ۲۳ و ۱۰ الی ۱۶ درصد کاهش می دهد . شبکه های نورونی چندلایه مورد استفاده ضریب همبستگی بالای ۹۵ درصد را برای داده های آموزش داشته اند و این به معنای قابل اعتماد بودن نتایج این شبکه ها می باشد.

کلیدواژه ها:

آلایندگی ، راه اندازی سرد ، هوش مصنوعی ، رانندگی واقعی ، شبکه نورونی چندلایه