استفاده از الگوریتم pso برای کاهش مصرف سوخت در موتورهای دیزل
چکیده
موتورهای احتراق داخلی به دلیل داشتن بازده و قدرت بالا نسبت به وزن و حجم شان کاربرد فراوانی در بخش خودروسازی و سایر صنایع دارند. به همین دلیل امروزه تحقیقات فراوانی بروی آن ها صورت می گیرد. در پژوهش حاضر نیز، از ترکیب روش شبکه عصبی مصنوعی با الگوریتم فراابتکاری بهینه سازی گروه ذرات (pso) برای مدلسازی و بهینه سازی در موتور اشتعال تراکمی پاشش مستقیم om355، با هدف کاهش مصرف سوخت ویژه ترمزی در حالت بیشینه ی بازده موتور استفاده شده است. برای این منظور، نخست از یک شبکه ی عصبی مصنوعی پرسپترونی چندلایه با الگوریتم آموزشی لومبرگ مارگوارت (trainlm) برای مدلسازی ارتباط بین پارامترهای عملکردیِ، دور موتور، دمای هوای ورودی، نسبت هوا به سوخت و جرم سوخت پاشیده شده با پارامترهای خروجیِ، مصرف سوخت ویژه ترمزی و بازده موتور استفاده شده است؛ که نتایج حاصل در مقایسه با 187 داده ی تجربی موجود، مطابقت بسیار خوبی را نشان می دهد. سپس با استفاده از الگوریتم pso به بهینه-سازی نتایج حاصل از مدلسازی پرداخته شده و نهایتاً مقادیر بهینه ی پارامترهای عملکردی بدست می آید. مقایسه این نتایج با منحنی عملکرد موتور حاضر و نتایج تجربی مطابقت خوبی را نشان می دهد. بنایراین می توان از روش ترکیب شبکه های عصبی مصنوعی با الگوریتم pso به عنوان روشی مناسب در سیستم های کنترلی موتورهای ci بهره گرفت.