بررسی تجربی عملکرد موتور ملی با سوخت های ترکیبی شامل بنزین، تولوئن و زیست-اتانول و پیش بینی آلایندگی با استفاده از شبکه عصبی مصنوعی

در این تحقیق، عملکرد ترمودینامیکی و رفتار آلایندگی موتور ملی در مواجهه با سوخت های ترکیبی شامل بنزین خالص، زیست-اتانول (در درصدهای ۵، ۱۰ و ۱۵) و تولوئن (در درصدهای ۵، ۱۰ و ۱۵) ارزیابی تجربی و عددی شد. هدف اصلی، تحلیل کمی اثر نسبت های متفاوت افزودنی های اکسیژنه و آروماتیک بر متغیرهای کلیدی احتراق از جمله توان، گشتاور و آلاینده های خروجی و نیز توسعه چارچوبی برای پیش بینی آلایندگی با استفاده از شبکه عصبی مصنوعی بود. آزمون های تجربی در شرایط بار کامل و در دورهای ثابت ۲۰۰۰، ۲۵۰۰ و ۳۰۰۰ د.د.د. انجام گرفت. به منظور تحلیل واکنش های احتراق، معادلات موازنه شده درست و گرمای واکنش برای تمامی ترکیبات سوختی محاسبه گردید. نتایج نشان دادند که E۱۰ و T۱۵ بترتیب در بهینه سازی متغیرهای زیست محیطی و عملکردی موتور تاثیر بسزایی دارند. زیست-اتانول موجب کاهش محسوس کربن مونواکسید و هیدروکربن و تولوئن با افزایش عدد اکتان باعث بهبود توان و گشتاور شد، هرچند افزایش اکسیدهای ازت در سوخت های تولوئنی به وضوح مشهود بود. در ادامه، الگوی شبکه عصبی مصنوعی با ساختار چندلایه در محیط تنسورفلو توسعه یافت. این الگو با ورودی هایی نظیر نوع سوخت، توان، گشتاور و دور موتور، خروجی آلاینده ها را با میانگین خطای مطلق زیر ۵% پیش بینی کرد. تطابق دقیق نتایج الگو با داده های تجربی نشان داد که استفاده از یادگیری رایانه ای در شبیه سازی سامانه های احتراقی چندمتغیری، رویکردی موثر، قابل اعتماد و مقیاس پذیر برای تحلیل و پیش بینی آلایندگی در موتورهای اشتعال جرقه ای محسوب می شود.

کلیدواژه ها:

سوخت های ترکیبی ، شبکه عصبی ، آلاینده های گازی موتور ، تحلیل تجربی عملکرد موتور ، شبیه سازی احتراق غیرخطی