این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
مهندسی مکانیک مدرس، جلد ۱۱، شماره ۴، صفحات ۱۱-۲۰
عنوان فارسی پیش‌بینی تاثیر استفاده از سوخت بیودیزل حاصل از روغن پسماند بر عملکرد و آلایندگی موتور دیزل به کمک شبکه عصبی مصنوعی
چکیده فارسی مقاله در این تحقیق تحلیل کاملی از تاثیر سوخت بیودیزل بر پارامترهای عملکرد و آلایندگی موتور دیزل تک سیلندر لیستر M8/1 انجام گرفت. بیودیزل مورد نیاز از روغن پسماند رستوران (با پایه روغن آفتابگردان) به روش ترنس استریفیکاسیون تولید شده و با استاندارد ASTM کاملا مطابقت داشت. آزمون موتور در دور ثابت rpm750 و تحت بارهای مختلف(در پنج سطح) و مخلوط‌های مختلفی از سوخت بیودیزل و گازوئیل(در شش سطح) در شرایط تمام بار انجام‌گرفت و پارامترهای گشتاور و توان ترمزی موتور، مصرف ویژه سوخت و انتشار آلایندهای CO و UHC اندازه‌گیری شد و سپس یک مدل شبکه عصبی مصنوعی بر اساس داده‌های تجربی توسعه داده شد. از شبکه پرسپترون چند لایه برای نگاشت غیرخطی بین پارامترهای ورودی (بار دینامومتر و درصد بیودیزل موجود در مخلوط سوخت) و خروجی (گشتاور و توان ترمزی، مصرف ویژه سوخت، غلظت CO و UHC) استفاده شد. نتایج مدل نشان داد که با آموزش کافی الگوریتم پس انتشار خطا، مدل شبکه عصبی ارائه شده توانایی بسیار بالایی در پیش‌بینی پارامتراهای عملکرد و آلایندگی موتور دارد، بدون آنکه به آزمون‌های پرهزینه و وقت‌گیر موتور نیاز باشد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Artificial neural networks used for the prediction of the Diesel Engine performance and pollution of waste cooking oil biodiesel
چکیده انگلیسی مقاله In this research work, a comprehensive combustion analysis has been conducted to evaluate the performance of a low speed diesel engine (M8/1 Lister) using biodiesel fuel. Waste vegetable cooking oil as an alternative fuel. Biodiesel obtained from waste vegetable cooking oil (WCO) as an alternative fuel. The properties of biodiesel produced from WCO was measured based on ASTM standards. In order to compare brake power, torques , brake specific fuel consumption (BSFC) and concentration of the UHC and CO emissions of the engine, it has been tested under same load of Dynamometer(5 levels) and biodiesel fuel blends (levels)) at constant engine speed(750 rpm). The results were found to be very comparable. An artificial neural network (ANN) was developed based on the collected data of this work. Multi layer perceptron network (MLP) was used for nonlinear mapping between the input and the output parameters. Different activation functions and several rules were used to assess the percentage error between the desired and the predicted values. The results showed that the training algorithm of Back Propagation was sufficient in predicting the engine torque, brake power, specific fuel consumption and exhaust gas components for different engine loads and different fuel blends ratios.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله بهمن نجفی |
اردبیل-دانشگاه محقق اردبلی- گروه مهندسی مکانیک ماشینهای کشاورزی- صندوق پستی 179
سازمان اصلی تایید شده: دانشگاه محقق اردبیلی (Mohaghegh ardabili university)

نشانی اینترنتی http://mme.modares.ac.ir/article_1450_f91bd36a70aa9601761d0461128a4031.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/1256/article-1256-228995.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات