بهبود روش شناسایی موتور احتراق داخلی با هدف بهره گیری در نگاشت الگوی پایه

نگاشت موتورهای احتراق داخلی پیشرفته بسیار پیچیده است و نیاز به صرف زمان و هزینه هنگفت بر روی بستر آزمون دارد. پیچیدگی این امر نه فقط به دلیل تعداد زیاد متغیرهای نگاشت، بلکه به دلیل بهینه سازی همزمان مصرف سوخت و انتشار آلاینده است. این امر اساسا نگاشت را به مساله بهینه­ سازی چند­منظوره تبدیل می­کند. علاوه براین، با افزایش تعداد متغیرهای تنظیمی، امکان نگاشت موتور، تنها با استفاده از بستر آزمون عملا غیرممکن است؛ درنتیجه در این مقاله توسعه روش­های نگاشت الگوی پایه با هدف دستیابی کامل به رفتار و درجات آزادی موتور احتراق داخلی به منظور کاهش زمان و هزینه نگاشت، بهبود دقت بهینه سازی و درنهایت بهبود راهبرد پایشی ارائه شده است. در راستای شناسایی الگو­های احتراق، جعبه ابزار الگو­سازی به کمک روش­های شناسایی هوشمند، توسعه یافته است و در راستای داده برداری بهینه، روش های طراحی آزمایش بررسی و متناسب با مساله پیش رو، روش مناسب با هدف پوشش سراسری و با کم ترین تعداد داده، انتخاب شده است. در این تحقیق، مطالعه برروی موتور ملی EF۷ موجود در اتاق آزمون شرکت ایپکو انجام شده است و نشان داده شد که به کمک طراحی آزمون پیشرفته به روش سوبل و الگوسازی با بهره گیری از شبکه عصبی عمیق، می توان تعداد داده های آزمایشگاهی مورد نیاز را از ۵۵۰۰ داده به ۱۵۰۰ داده کاهش داد. درنهایت برای تعیین بهینه متغیرهای تنظیمی، الگو آموزش دیده، جایگزین موتور واقعی گردیده است.

Keywords:

Model-based calibration , Multi-objective optimization , Intelligent identification , Test bench , Design of experiment , نگاشت الگو پایه , بهینه سازی چندمنظوره , شناسایی هوشمند , بستر آزمون , طراحی آزمایش