علی غفاری - استاد مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی
عباس علی آبادی - استادیار مکانیک، دانشگاه امام حسین (ع)
نصرت الله حسینقلی ارباب - دانشجو دکتری مکانیک ، دانشگاه صنعتی خواجه نصیرالدین طوسی
مصطفی نظری - دانشجو کارشناسی ارشد مکانیک، دانشگاه صنعتی خواجه نصیرالدین طوسی

هدف از این مقاله طراحی یک مدل شبکه عصبی هوشمند جهت بررسی راندمان حرارتی موتور استرلینگ و تخمین عملکرد بازتاب حرارتی می باشد که بر اساس فرکانس عملکردی موتور و مقدار جرم سیال عامل قابل دستیابی است. موتور استرلینگ یک موتور حرارتی برونسوز است که به دلیل مزایایی از قبیل استفاده از انواع سوخت های فسیلی و غیر فسیلی، آلایندگی پایین، عملکرد آرام و بدون ارتعاش و... امروزه از سوی مراکز تحقیقاتی مورد توجه قرار گرفته است. بازیاب حرارتی یکی از قسمت های مهم سیکل استرلینگ می باشد که مدل سازی آن به دلیل تاثیرپذیری از پارامترهای مختلف بسیار پیچیده است. بازتاب حرارتی با ذخیره سازی و باز پس دادن حرارت، تأثیر زیادی بر میزان بازدهی موتور استرلینگ داشته و به شکل قابل توجهی تابع شرایط کاری موتور می باشد. با آگاهی از میزان بازدهی حرارتی بازتاب در شرایط کاری مختلف و با توجه به مدل موتور، تخمین دقیق تری از میزان توان خروجی و راندمان حرارتی موتور خواهیم داشت. از این رو ابتدا به کمک مدل های ترمودینامیکی، توزیع دمای مبدل های حرارتی و نیز راندمان بازیاب محاسبه شده و در ادامه دمای مناطق سرد و گرم یک موتور استرلینگ آزمایشگاهی در فرکانس ها و مقدار جرم های متفاوت گاز عامل داخل محفظه موتور اندازه گیری شده است. با کمک مدل توزیع دمای مربوط به مبدل های حرارتی، کاریابی بازیاب در شرایط مختلف محاسبه گردیده و سپس به کمک یک شبکه عصبی هوشمند MLP، برای شرایط مختلف کاری موتور جهت تخمین عملکرد بازیاب تعمیم داده شده است. اطلاعات تجربی از یک موتور استرلینگ آزمایشگاهی نوع گاما که در مرکز تحقیقات موتور دانشگاه صنعتی مالک اشتر طراحی و ساخته شده بدست آمده است. نتایج مطلوب حاصل از مدل و تطبیق آن ها با نتایج آزمایشگاهی صحت مدل شبکه عصبی ارائه شده را تصدیق می کند

راندمان بازیاب حرارتی، موتور استرلینگ، توزیع دما، مبدل های حرارتی، شبکه عصبی