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

در این مقاله با ارائه یک مدل هوشمند در قالب شبکه های عصبی چگونگی رفتار پارامترهای سیکل ترمودینامیکی استرلینگ مدل شده است. موتور استرلینگ یک موتور حرارتی برونسوز بوده که امروزه از سوی مراکز تحقیقاتی مورد توجه زیادی قرار گرفته است. مزایای عمده این نوع موتور قابلیت استفاده از انواع سوخت های فسیلی و غیرفسیلی، آلایندگی پایین، عملکرد آرام و بدون ارتعاش و... می باشد که مزایا باعث شده تا از موتور استرلینگ بتوان در صنایع خاص مانند صنایع هوافضا، زیردریایی و صنایع نظامی استفاده کرد. جریان سیال عامل در موتور استرلینگ از نوع نوسانی و غیردائم می باشد و بخصوص در سرعت های بالا مدل سازی جریان سیال بسیار مشکل است. به علاوه اینکه در سیکل استرلینگ، مقدار جریان گاز عامل، دور موتور و میزان دبی حرارتی موتور نیز تغییر می کنند و این امر به پیچیدگی تحلیل عملکرد موتور می افزاید؛ در نتیجه ارائه یک مدل ریاضی دقیق جهت تحلیل رفتار موتور استرلینگ به دلیل تاثیرگذاری پارامترهای مختلف کاری بسیار پیچیده است. از این رو با توجه به اینکه اندازه گیری تجربی متغیرهای ورودی و خروجی موتور امکان پذیر است، با طراحی یک شبکه هوشمند عصبی، رفتار پارامترهای داخلی موتور استرلینگ مدل سازی شده است. مدل شبکه عصبی بر اساس اطلاعات بدست آمده از نمونه آزمایشگاهی موتور استرلینگ طراحی شده است و دمای محفظه گرم و فشار ماکزیمم سیکل را بر حسب فرکانس موتور و میزان دبی حرارتی مدل می کند. 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.

موتور استرلینگ، شبکه عصبی، فرکانس