مدل سازی اثر نانولوله های کربن اضافه شده به مخلوط سوخت دیزل-بیودیزل بر عملکرد و آلایندگی یک موتور دیزل با استفاده از شبکه عصبی
نویسنده(گان):	سید حسن حسینی، احمد تقی زاده علی سرایی، برات قبادیان، احمد عباس زاده مایوان
چکیده:	بیودیزل و همچنین برخی نانوکاتالیست ها به عنوان افزودنی به سوخت دیزل می تواند باعث بهبود عملکرد و کاهش آلاینده-های موتور شود. در تحقیق حاضر، بیودیزل با نسبت ۵ و ۱۰ درصد ( B۵ و B۱۰) در مخلوط با سوخت دیزل استفاده شد. سپس نانولوله های کربن با غلظت ۳۰، ۶۰ و ppm۹۰ به مخلوط سوخت برای ارزیابی عملکرد، آلایندگی و ارتعاش موتور دیزل استفاده گردید. از شبکه عصبی چندلایه با قاعده یادگیری پس انتشار خطا رو به جلو برای مدل سازی استفاده گردید. نوع سوخت، دور موتور، چگالی، ویسکوزیته و ارزش حرارتی سوخت، فشار مانیفولد ورودی، مصرف سوخت، دمای گازهای خروجی، اکسیژن موجود در گازهای خروجی، دمای روغن، رطوبت و فشار نسبی هوای محیط به عنوان پارامترهای لایه ورودی یا مستقل در نظر گرفته شدند. عملکرد، آلایندگی و ارتعاش موتور به عنوان پارامترهای لایه خروجی درنظر گرفته شدند. نتایج نشان داد که مصرف سوخت ویژه موتور و آلایندگی های CO و UHC کاهش یافته، در حالی که آلاینده NOx افزایشی بوده است. همچنین، مدل شبکه عصبی با الگوی آموزش پس انتشار خطا با ۲۰-۲۰ نرون در لایه های مخفی سیگموئیدی-سیگموئیدی توانایی پیش بینی پارامترهای مختلف را با عملکرد و دقت خوبی دارد. مقادیر عددی ضریب رگرسیونی (R) آموزش، ارزیابی و آزمون مدل بهینه شبکه به ترتیب ۹۹۹۹/۰، ۹۹۸۵/۰ و ۹۹۹۴/۰ به دست آمد.
کلیدواژگان:	بیودیزل، نانولوله های کربن، آلایندگی، ارتعاش، شبکه عصبی
نوع مقاله:	مقاله پژوهشی/اصیل
زبان:	فارسی
انتشار در:	نشریه سوخت و احتراق، سال دهم شماره ۲ (پیاپی ۲۰، پاییز ۱۳۹۶)
صفحات:	۱ -۱۶
نسخه الکترونیکی:	متن این مقاله در سایت مگیران قابل مطالعه است.

Modeling the effects of Carbon nanotubes added to diesel-biodiesel fuel blends on performance and emissions of a diesel engine using artificial neural network
Author(s):	Seyyed Hassan Hosseini، Ahmad Taghizadeh-Alisaraei، Barat Ghobadian، Ahmad Abbaszadeh
Abstract:	Biodiesel and some nano-catalysts are an important additive to diesel fuel and can improve the engine performance and reduce emissions. In this study, biodiesel was added to pure diesel with ratios of 5 and 10 percent. Then, the carbon nanotubes were mixed as additive with these blends with concentrations of 30, 60, and 90 ppm to evaluate the performance, emissions, and vibration levels in a diesel engine. An ANN model, based on standard back-propagation learning algorithm for the engine, was developed. Multi-layer perception network (MLP) was used. The input or independent parameters were fuel blend, engine speed, fuel density, fuel viscosity, LHV, intake manifold pressure, fuel consumption, exhaust gas temperature, oxygen contained in exhaust gases, oil temperature, relative humidity and ambient air pressure. The target parameters were performance, emissions and RMS and Kurtosis of engine vibrations. The results showed that the specific fuel consumption and CO and UHC emissions decreased, while NOx emission increased. Also, the ANN model showed the training algorithm of back-propagation with 20-20 neurons in hidden layers (logsig-logsig) is able to predict different parameters with good performance and accuracy. The corresponding R-values for training, validation and testing were 0.9999, 0.9985 and 0.9994, respectively.
Keywords:	Biodiesel with Carbon nanotubes، Emissions، vibration، Neural Network
Article Type:	Research/Original Article
Language:	Persian
Published:	Journal of Fuel and Combustion, Volume:10 Issue: 2, 2018
Pages:	1 -16
Full text:	PDF is available on the website.