تحلیل و ارزیابی موتور‌های دیزلی تزریق مستقیم به‌منظور بهینه‌سازی عملکرد و آلاینده‌ها

در مقاله حاضر،بهینه‌سازیهم‌زمان مصرف سوخت و آلاینده‌های NOxو soot در یک موتور دیزلیتزریق مستقیم، با اعمال پارامترهای کنترلیِدمای هوای ورودی، جرم سوخت تزریق شده و دور موتور، با استفاده از ترکیب شبکه عصبی و الگوریتم مورچگان انجام شده است.با توجه به غیرخطی و پیچیده بودن رفتار موتورهای احتراق داخلی، ابتدا، با استفاده از آزمایشات تجربی انجام گرفته،ارتباط بین پارامترهایورودیو خروجی توسط شبکه عصبی فراهم گردید. شبکۀ عصبی مصنوعی با الگوریتم آموزشی لونبرگ- مارگوارت برای مدل‌سازی و آموزش ارتباط موجود بین پارامترهای مذکور، استفاده شده و به عنوان یک روش پیشگو درالگوریتم مورچگان، برای یافتن مقادیر بهینه، به‌ صورت یک زیرروال به‌کار رفته است.نتایجنشان می‌دهدکهبه ازاییک دور خاص در موتور، پارامترهای بهینه شده به سمت دماهای پایین‌تر کشیده می‌شود و این به دلیل کاهش مقادیر آلاینده‌هایNOxو soot با پایین آمدن دمای هوای ورودی به موتور است. از طرفی بهبود کیفیت مقادیرNOx تولید شده، به دلیل وزن بالای آن در تابع هدف بر نتیجة کلی بهینه سازی اثر گذاشته و رفتار تابع هدف از لحاظ همگرایی بسیار شبیه رفتار NOxمی‌باشد. همچنینروش ترکیبی شبکه عصبی - الگوریتم مورچگان به دلیل همگرایی سریعو به تبع آن، زمان پاسخگویی کوتاه، می‌تواند به عنوان یک روش مؤثردر سیستم‌های کنترل هوشمند موتورهای دیزلی برای کاهش آلاینده‌ها و میزان مصرف سوخت، مورد استفاده قرار گیرد.