این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
سوخت و احتراق، جلد ۹، شماره ۱، صفحات ۱-۲۲
عنوان فارسی استفاده از روش‌های آماری و هوش مصنوعی جهت پیش‌بینی دینامیک احتراق در یک محفظه احتراق آزمایشگاهی با شعله پایدارشده چرخشی
چکیده فارسی مقاله در این مطالعه، ارتباط بین مقادیر سطح آلاینده NOx، سطح نویز تولیدشده و میزان نوسانات فشار در یک محفظه احتراق آزمایشگاهی، با کاربرد در توربین‌های گازی نیروگاهی، نسبت به تغییرات پارامترهایی همچون نسبت هم‌ارزی کلی محفظه (φ) و میزان دبی پاشش سوخت ثانویه (Qsec)، با کمک دو روش داده‌کاوی مختلف بررسی شده است. پارامترهای سطح آلاینده NOx، سطح نویز و میزان نوسانات فشار تولیدشده در محفظه به‌عنوان مقادیر خروجی اندازه‌گیری ­شده از محفظه و همچنین پارامترهای نسبت هم‌ارزی کلی و دبی پاشش سوخت ثانویه به‌عنوان متغیرهای ورودی محفظه احتراق درنظر گرفته شدند. از شبکه عصبی پرسپترون (MLP) و روش پاسخ سطح (RSM) برای پیش‌بینی رابطه غیرخطی موجود بین پارامترهای ورودی و خروجی اندازه‌گیری شده محفظه احتراق استفاده‌ شده است. آزمایش­های مربوطه با به­ کارگیری چهار نوع انژکتور پاشش سوخت ثانویه، با ساختار هندسی و طراحی متفاوت، در شرایط نسبت هم‌ارزی کلی در محدوده 0/9~ 0/7 همراه با دبی‌های پاشش سوخت متفاوت در محدوده 4/2~0/6 لیتر بر دقیقه انجام پذیرفت. نتایج حاصل از پیش‌بینی پارامترها با دو روش داده‌کاوی مذکور نشان می‌دهند که این دو روش توانایی قابل قبولی در دستیابی به تطابق مناسب بین مقادیر اندازه‌گیری شده و پیش‌بینی‌ شده پارامترهای خروجی محفظه احتراق دارند. البته نتایج حاکی از آن است که روش MLP نسبت به RSM توانایی بیشتری در پیش‌بینی پارامترهای احتراقی این مطالعه (سطح آلاینده NOx، سطح نویز تولیدشده و میزان نوسانات فشار) دارد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Employment of Statistical and Artificial Intelligence Techniques for Prediction of Combustion Dynamics in an Experimental Swirl-stabilized Combustor
چکیده انگلیسی مقاله In the present work, the relations between three output quantities measured in an experimental combustor and two input quantities of overall equivalence ratio (φ) and secondary fuel injection rate (Qsec) were studied. The three measured output quantities of the combustor are the amount of NOx emission, noise level, and the level of pressure oscillations generated by the combustion field. The experimental combustor has certain applications in power plant gas turbines. In order to study the relations between the measured output and input quantities of the combustor, two different data mining approaches were utilized. Specifically, in this research, Multilayer Perceptron (MLP) Neural Network and Response Surface Method (RSM) techniques were employed to provide an estimation of the nonlinear relationship between the inputs and outputs of the combustor. The related experiments were already performed using four different types of secondary fuel injectors (with different designs) for an overall equivalence ratio between φ =0.7~0.9, along with different amounts of secondary fuel injection rate in the range of Qsec=0.6~4.2 l/min. The results show that, in general, both the MLP neural network and RSM approaches have good predicting capability for estimation of noise level, level of pressure oscillations, and NOx emission. However, the degree of agreement between the predicted and measured values would even be enhanced for the case of NOx emission. Also, comparing the two data mining methods, the results indicate that the MLP neural network has better prediction ability for estimation of various combustor parameters than the RSM, for the cases of different injectors.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله روزبه ریاضی نویسنده مسیول | roozbeh riazi nevisandeh election
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

علیرضا ترابی | alireza torabi
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

محمد اسراردل | mohammad asrardel
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

شیدوش وکیلی پور | shidvash vakili pour
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

مازیار شفایی روشنی | maziar shafaei roshani
دانشگاه اراک
سازمان اصلی تایید شده: دانشگاه اراک (Arak university)

هادی زارع | hadi zare
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

هادی ویسی | h vaisy
دانشگاه تهران
سازمان اصلی تایید شده: دانشگاه تهران (Tehran university)

نشانی اینترنتی http://jfnc.ir/en/ManuscriptDetail?mid=253
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده Research Paper
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات