مهرداد افشاری - کارشناس آزمون، شرکت تحقیق، طراحی و تولید موتور ایرانخودرو (ایپکو)

تعیین سهم اصطکاک قطعات مختلف در موتور و روند تغییرات آنها در طراحی و بهینه سازی محصول بسیار مهم است. یکی از اجزای مهم در تعییناصطکاک موتور، سامانه دریچه های موتور است. در مقاله حاضر، ابتدا به روش تجربی آزمون کاهش قطعات (strip down)، سهم اصطکاک اینسامانه تعیین شده است. سپس با ارائه یک مدل شبکه عصبی به پیش بینی اصطکاک این سامانه پرداخته گردیده است. با توجه به مخرب و زمان بربودن آزمون، تعیین مدلی برای تعیین اصطکاک سامانه بسیار حائز اهمیت است. همچنین روند تغییر اصطکاک سامانه نشان دهنده نوع رژیم روانکاریآن می باشد. نقطه مینیمم نمودار تغییر اصطکاک از این حیث پر اهمیت است. لذا با استفاده از الگوریتم ژنتیک نقطه کمینه تابع بدست آمده از شبکهعصبی محاسبه شده است. نتایج با داده های تجربی به دست آمده از آزمون مقایسه و صحه گذاری شده اند. نتایج نشان می دهد شبکه عصبی ارائهشده با تخمین بالایی قادر به پیش بینی اصطکاک سامانه می باشد. شبکه عصبی به کار رفته با RMS=10e-6 تمام نقاط تجربی را برازش کردهاست. همچنین الگوریتم ژنتیک نقطه کمینه را با دقت قابل قبولی پیش بینی کرده است. نقطه کمینه برای تعیین رژیم روانکاری در دمای 90 درجهسلسیوس، در دور 3500 د.د.د و به میزان 0.19 بار محاسبه شده است.

موتور احتراق داخلی، اصطکاک، شبکه عصبی، الگوریتم ژنتیک