مدلسازی تغییرات زمانی گونه های شیمیایی در احتراق متان - هوا به کمک شبکه عصبی مصنوعی

در این تحقیق، روش شبکه‌های عصبی مصنوعی برای مدلسازی تغییرات زمانی غلظت گونه‌های شیمیایی شرکت کننده در یک مکانیزم کاهش یافته چهار مرحله‌ای برای احتراق متان-هوا به کار گرفته شده است و مزایای این تکنیک نسبت به سایر روش‌های متداول در کد‌های شبیه‌سازی جریانهای احتراقی نشان داده شده است. دو شبکه عصبی مختلف با دو گام زمانی متفاوت مورد استفاده قرار گرفته است که هر دو شبکه عصبی از نوع پیشخور چند لایه‌ای بوده و بوسیله الگوریتم خطای پس انتشار آموزش دیده‌اند. مکانیزم شیمیایی چهار مرحله‌ای مرود استفاده دارای هفت گونه فعال شیمیایی و یک گونه غیرفعال می‌باشد. در انتها مزایای چشمگیر روش شبکه‌های عصبی به لحاظ صرفه‌جویی در ترم‌های حافظه و زمان در مقایسه با روش انتگرالگیری مستقیم و روش جدول جستجوی مقادیر ارائه شده است.

کلیدواژه ها:

شبکه عصبی مصنوعی ، احتراق ، متان ، مکانیزم کاهش یافته