شبیه سازی تاثیر زمان بندی متغیر دریچه ها بر مصرف سوخت و آلایندگی خام در موتورهای پرخوران احتراق جرقه ای تزریق درگاهی به کمک یادگیری رایانه ای

سال انتشار: 1405
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 56

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ENGIN-73-1_004

تاریخ نمایه سازی: 17 مهر 1405

چکیده مقاله:

با تداوم نقش موتورهای احتراق داخلی در سامانه حمل ونقل، نیاز به روش های کارآمد برای نگاشت بهینه عملکرد و آلایندگی آن ها بیش از پیش احساس می شود. روش های نگاشت مبتنی بر آزمایش صرف، زمان بر و پرهزینه هستند و قادر به کشف تعاملات پیچیده و غیرخطی بین متغیرهای موثر نیستند. این پژوهش با به کارگیری یک راه حل ترکیبی طرح آزمون و یادگیری رایانه ای، به شبیه سازی مصرف سوخت ویژه ترمزی و آلاینده های HC و NOx در یک موتور بنزینی پرخوران پرداخته است. دو روش پیشرفته با استفاده از یک طرح آزمون بهینه شده مبتنی بر روش فدوروف آموزش داده شدند و عملکرد آن ها در شرایط مختلف حجم داده (از ۱۲.۵% تا ۵۰% از فضای طراحی) مقایسه گردید. در شرایط داده های محدود (۲۵% از داده ها)، هر دو روش به دلیل مقاومت ذاتی در برابر بیش برازش، عملکرد نسبتا پایداری در پیش بینی آلاینده های HC و NOx نشان دادند. با این حال، خطای پیش بینی این متغیرها در مقایسه با مصرف سوخت همچنان قابل توجه بوده که لزوم توسعه بیشتر روش و اعتبارسنجی تجربی نتایج را نشان می دهد. با افزایش داده به ۵۰%، هر دو روش به دقت قابل قبولی دست یافتند. مقادیر میانگین R۲ برای BSFC، NOx و HC بترتیب به ۹۹%، ۹۶% و ۹۰ % رسید. این رویکرد نشان داد که می توان با تنها ۵۰% از داده های آزمایشی، به دقت مطلوب در نگاشت دست یافت که به معنای کاهش ۵۰ درصدی زمان و هزینه های آزمایش است.

نویسندگان

فراز جوان شایانی

شرکت تحقیق، طراحی و تولید موتور ایران خودرو (ایپکو)، تهران، ایران

امیرحسین حمد

شرکت تحقیق، طراحی و تولید موتور ایران خودرو (ایپکو)، تهران، ایران

امیرحسین پریور

شرکت تحقیق، طراحی و تولید موتور ایران خودرو (ایپکو)، تهران، ایران

محمد نجات

شرکت تحقیق، طراحی و تولید موتور ایران خودرو (ایپکو)، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Mobil E. Outlook for Energy: A View to ۲۰۴۰. ۲۰۱۸ ...
  • Birol F. International Energy Outlook ۲۰۱۸. ۲۰۱۸ ...
  • Kalghatgi GT. The outlook for fuels for internal combustion engines. ...
  • Gadonneix P, Sambo A, Tie’nan L, Choudhury AR, Teyssen J, ...
  • Paoli L, Gül T. Electric cars fend off supply challenges ...
  • Badra J, Viollet Y, Elwardany A, Im HG, Chang J. ...
  • Mohan B, Yang W, kiang Chou S. Fuel injection strategies ...
  • Badra JA, Sim J, Viollet Y, Zhang Y, Engineer N, ...
  • Sim J, Chang J, Badra J. CFD-guided optimization of the ...
  • Mohammadi A, Montazer Y, Rahimi Asiabaraki H. Reduction of fuel ...
  • Styron JP. Using model-based calibration toolbox multimodels for cycle-optimized diesel ...
  • Jiang S, Nutter D, Gullitti A. Implementation of model-based calibration ...
  • Franzke B, Schloßhauer A, Lückmann D, Thewes M. Variable Turbine ...
  • Cho Y, Huber T, Lauff U, Reddy R. Optimisation of ...
  • Moiz AA, Pal P, Probst D, Pei Y, Zhang Y, ...
  • Maran JP, Priya B. Comparison of response surface methodology and ...
  • Pan W, Korkmaz M, Beeckmann J, Pitsch H. Nonlinear identification ...
  • AlRamadan AS, Al Ibrahim Z, Mohan B, Badra J. Machine ...
  • نمایش کامل مراجع