بهینه سازی مدل شبکه عصبی جهت پیش بینی توان اصطکاکی در یک موتور احتراق داخلی با استفاده از الگوریتم ژنتیک و ازدحام ذرات
سال انتشار: 1397
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 629
فایل این مقاله در 23 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
DMFCONF03_030
تاریخ نمایه سازی: 5 آبان 1397
چکیده مقاله:
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:
نویسندگان
امیر دستجانی فراهانی
دانشجوی کارشناسی ارشد، مهندسی مکانیک خودرو، دانشگاه صنعتی سهند تبریز
داود جلالی وحید
استاد، مهندسی مکانیک، دانشگاه صنعتی سهند تبریز