لیلا شاکری - فارغ التحصیل مهندسی مکانیک بیوسیستم، دانشگاه علوم کشاورزیو منابع طبیعی گرگان
علی اصغری - عضو هیات علمی / دانشگاه علوم کشاورزی و منابع طبیعی گرگان
احمد تقی زاده علی سرایی - دانشگاه علوم کشاورزی و منابع طبیعی گرگان

چکیده: ترکیب سوخت های زیستی مانند بیودیزل، بیواتانول و نانولوله های کربنی به عنوان کاتالیزور به سوخت دیزل سبب عملکرد بهتر موتور و کاهش آلایندگی ها می شود. در تحقیق حاضر، برای تهیه سوخت های موردنیاز آزمایش، ابتدا به نسبت ۵% نانولوله ­های کربنی عامل ­دار حاوی اکسیژن به سوخت دیزل اضافه شد. سپس نانولوله های کربنی عامل دار با گروه اکسیژن دار COOH (غلظت های ۳۰، ۶۰ و ppm۹۰) در دو سطح بیواتانول ۳ و ۶ درصد، با دیزل خالص و بیودیزل ۵٪ ترکیب شد. آزمایش ها در سه تکرار انجام شدند. در این تحقیق، مدلی با شبکه عصبی چندلایه الگوریتم یادگیری پس­ انتشار خطا روبه جلو (FFBP) برای تخمین عملکرد موتور ارائه شد نوع سوخت، دور موتور، چگالی، گرانروی، ارزش حرارتی سوخت، فشار چندراه ورودی، مصرف سوخت، دمای گازهای خروجی، دمای روغن، اکسیژن موجود در گازهای خروجی، رطوبت و فشار نسبی هوای محیط به عنوان پارامترهای لایه ورودی یا مستقل و عملکرد و آلایندگی موتور به عنوان پارامترهای لایه خروجی در نظر گرفته شدند. با توجه به نتایج به دست آمده از شبکه عصبی مصنوعی، انتشار آلایندگی های CO و UHC و مصرف سوخت ویژه کاهش یافت اما در انتشار NO_x شاهد افزایش بودیم. شبکه تشکیل شده با تابع آموزش سیگموئیدی به دلیل اینکه میزان R^۲ و MSE بهتری نسبت به شبکه های تشکیل شده خطی و تانژانت هیپربولیک، به عنوان مدل بهینه معرفی شد. درمجموع میتوان بیان کرد که شبکه عصبی مصنوعی توانایی مناسبی را در شبیه سازی داده ها و بررسی ضریب حساسیت آن ها نشان داده است.

عملکرد موتور, آلاینده های موتور, نانو لوله کربنی, مدل سازی با شبکه عصبی مصنوعی