CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

بکارگیری شبکه عصبی و الگوریتم ژنتیک در مدلسازی و بهینه سازی گشتاور و گاز NOx در موتورهای احتراق داخلی SI با زمانبندی متغییر سوپاپها

عنوان مقاله: بکارگیری شبکه عصبی و الگوریتم ژنتیک در مدلسازی و بهینه سازی گشتاور و گاز NOx در موتورهای احتراق داخلی SI با زمانبندی متغییر سوپاپها
شناسه ملی مقاله: ISME15_317
منتشر شده در پانزدهمین کنفرانس سالانه مهندسی مکانیک در سال 1386
مشخصات نویسندگان مقاله:

علیرضا جاذب نیکو - دانشجوی کارشناسی ارشد – دانشگاه گیلان
کاظم آتشکاری - استادیار – دانشگاه گیلان
نادر نریمان زاده - دانشیار – دانشگاه گیلان

خلاصه مقاله:
معمولا زمانبندی سوپاپها برای افزایش کارایی موتور، در حداکثر دور و قدرت طراحی می شود . محققین نشان داده اند که در قدرتهای میانی با زمانبندی متغییرسوپاپها، کارایی موتور بهبود می یابد. برای افزایش گشتاور و کاهش مصرف سوخت و گازهای آلاینده می توان از تغییر زمانبندی سوپاپها در شرایط مختلف استفاده نمود . در این مقاله ابتدا روش دسته بندی داده های عددی 2 برای مدلسازی اثر تغییر زاویه بسته شدن سوپاپ ورودی و دور یک موتور احتراق داخلی بر گشتاور و مجموعه گازهای آ لاینده اکسید نیتروژن خروجی از مو تور(NOx) با استفاده از داده های حاصل از مدلسازی ترمودینامیکی و شیمیایی یک موتور در حداکثر قدرت، بکار گرفته می شود. از شبکه های عصبی مصنوعی با ساختار عمومی و روش تجزیه مقادیر منفرد 3 برای تعیین ضرایب چند جمله ایهای مدل ، استفاده می شود . در این راستا مدلهایی بدست می آیند که از دقت مطلوبی برخوردارند . با استفاده از مدلهای بدست آمده و الگوریتم ژنتیک 4 ، بهینه سازی بصورت تک هدفی و دو هدفی(Pareto) انجام می شود و متغیر های طراحی که باعث بهینه سازی توابع هدف می شوند، بدست می آی ند. از این دسته نقاط می توان برای طراحی ز مان بندی متغیر و بهینه سوپاپ ورودی استفاده نمود.

کلمات کلیدی:
موتور SI، زمانبندی متغییر سوپاپها، الگوریتم ژنتیک، GMDH

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/28943/