مدلسازی و شبیه سازی احتراق در موتورهای اشتعال جرقه ای بوسیله شبکه های عصبی و همچنین بررسی کالیبراسیون و اکتساب داده ها در نرم افزار gt-power

پیش نیاز بسیاری از فرآیندهای کنترلی، مدلسازی است. مدل مورد استفاده برای طراحی کنترلر، می بایست دقیق و دارای پاسخی سریع باشد. استفاده از روش های مرسوم مدلسازی، یعنی مدلسازی براساس حل (عددی) معادلات حاکم بر جریان سیال داخل محفظه احتراق، بسیار زمان بر بوده و برای یک هدف کنترلی مناسب نیستند. در این مقاله تلاش می شود تا احتراق در یک موتور اشتعال جرقه ای با استفاده از شبکه های عصبی، مدلسازی شود و مدلی دقیق و در عین حال سریع برای احتراق بدست آید. هر فرآیند آموزش شبکه های عصبی، نیازمند اکتساب داده های آزمایشگاهی است. از طرف دیگر، فرآیندهای تست موتور، بسیار پرهزینه بوده و جداول داده های تست موجود (در صنعت) نیز برای آموزش شبکه های عصبی کافی نیستند. در این مقاله، ابتدا با استفاده از یک نرم افزار cfd، مدلی یک بعدی از موتور تهیه و براساس داده های واقعی تست موجود کالیبره و صحه گذاری می گردد. سپس با استفاده از مدل صحه گذاری شده cfd، فرآیند اکتساب داده های مورد نیاز اجرا می شود. به دلیل عدم دسترسی به ضرایب و داده های آزمایشگاهی مورد نیاز، کالیبراسیون مرحله ای پیچیده و بسیار زمان بر است. در اینجا تلاش شده است تا به شیوه ای علمی، کالیبراسیون مدل موتور در نرم افزار gt-power اجرا و بیان گردد. در مرحله بعد، پس از بررسی اجمالی روش های به کار رفته در طراحی شبکه های عصبی، مدلسازی فرآیند احتراق بیان می شود. در نهایت، پاسخ های مدل شبکه عصبی با نتایج حاصل از نرم افزار gt-power مقایسه شده و دقت بالای مدل نشان داده می شود.