استفاده از روشهای داده کاوی جهت پیشبینی میزان آلاینده NOx و دینامیک یک محفظه احتراق آزمایشگاهی با استفاده از ویژگیهای استخراج شده از تصاویر شعله

تحقیق پیش رو توانایی شبکه های عصبی مصنوعی را در پیش بینی عملکرد و میزان آلاینده های خروجی از یک محفظه احتراق آزمایشگاهی با شعله پایدار شده چرخشی همراه با پاشش سوخت ثانویه را نشان می دهد. بر این اساس سه پارامتر به عنوان خروجی های محفظه احتراق از جمله شاخصانتشار NOx ، میزان نویز محفظه احتراق و مقدار نوسانات فشار این محفظه با استفاده از ویژگی های فیزیکی و آماری بدست آمده از تصاویر شعله به عنوان پارامتر های ورودی شبکه عصبی پیش بینی می شوند. به دلیل حجم بالای داده های برگرفته از تصاویر شعله از الگوریتم کاهش ابعاد KPCA( kernel principle component analysis ( استفاده شده است. ∅ 0/7-0/ نسبت همارزی کلی سوخت-هوا برای محفظه در محدوده 4 = و 0-9/ نرخ پاشش سوخت ثانویه در محدوده 2