بهینه سازی مدل شبکه عصبی جهت پیش بینی توان اصطکاکی در یک موتور احتراق داخلی با استفاده از الگوریتم ژنتیک و ازدحام ذرات

تعیین توان اصطکاکی یکی از پارامترهای مهم برای بهینهسازی عملکرد موتور می باشد. بدین منظور، تا به حال محققین، روابط ریاضیمتعددی که ارتباط توان اصطکاکی و متغیرهای مختلف را بیان نماید، ارایه کردهاند. با این حال، چون تعداد متغیرهای موثر در توان اصطکاکی متعدد می باشد ، هنوز مدلی تجربی با دقت بالای % 70 ارایه نشده است.در این مقاله، توان اصطکاکی ابتدا با استفاده از مدل تجربی راکاپولوس محاسبه شده است. برای محاسبهی ضرایب این مدل، از روشهایرگراسیون چندگانه استفاده شد. در مرحله ی بعد از شبکه های عصبی بعنوان یکی از روشهای هوش مصنوعی، استفاده شده است. جهت بهینه سازی این روش از دو الگوریتم هوشمند بهینه سازی شامل الگوریتم ژنتیک و الگوریتم ازدحام ذرات در نرم افزار متلب استفاده شد. میزان همبستگی داده های واقعی و تخمینی برای مدل تجربی راکاپولوس، نمونه های شبکه عصبی ترکیب شده با الگوریتم ژنتیک و الگوریتم ازدحام ذرات به ترتیب 0/15 و 0/909 و 0/551 بوده که عملکرد بهتر روشهای هوش مصنوعی نسبت به مدل تجربی برای پیش بینی توان اصطکاکی را نشان میدهد.

کلیدواژه ها:

توان اصطکاکی ، مدل راکاپولوس ، رگراسیون چندگانه ، الگوریتم ژنتیک ، الگوریتم ازدحام ذرات ، شبکه عصبی مصنوعی