استفاده از روش‌های آماری و هوش مصنوعی جهت پیش‌بینی دینامیک احتراق در یک محفظه احتراق آزمایشگاهی با شعله پایدارشده چرخشی

در این مطالعه، ارتباط بین مقادیر سطح آلاینده NOx، سطح نویز تولیدشده و میزان نوسانات فشار در یک محفظه احتراق آزمایشگاهی، با کاربرد در توربین‌های گازی نیروگاهی، نسبت به تغییرات پارامترهایی همچون نسبت هم‌ارزی کلی محفظه (φ) و میزان دبی پاشش سوخت ثانویه (Qsec)، با کمک دو روش داده‌کاوی مختلف بررسی شده است. پارامترهای سطح آلاینده NOx، سطح نویز و میزان نوسانات فشار تولیدشده در محفظه به‌عنوان مقادیر خروجی اندازه‌گیری ­شده از محفظه و همچنین پارامترهای نسبت هم‌ارزی کلی و دبی پاشش سوخت ثانویه به‌عنوان متغیرهای ورودی محفظه احتراق درنظر گرفته شدند. از شبکه عصبی پرسپترون (MLP) و روش پاسخ سطح (RSM) برای پیش‌بینی رابطه غیرخطی موجود بین پارامترهای ورودی و خروجی اندازه‌گیری شده محفظه احتراق استفاده‌ شده است. آزمایش­های مربوطه با به­ کارگیری چهار نوع انژکتور پاشش سوخت ثانویه، با ساختار هندسی و طراحی متفاوت، در شرایط نسبت هم‌ارزی کلی در محدوده 0/9~ 0/7 همراه با دبی‌های پاشش سوخت متفاوت در محدوده 4/2~0/6 لیتر بر دقیقه انجام پذیرفت. نتایج حاصل از پیش‌بینی پارامترها با دو روش داده‌کاوی مذکور نشان می‌دهند که این دو روش توانایی قابل قبولی در دستیابی به تطابق مناسب بین مقادیر اندازه‌گیری شده و پیش‌بینی‌ شده پارامترهای خروجی محفظه احتراق دارند. البته نتایج حاکی از آن است که روش MLP نسبت به RSM توانایی بیشتری در پیش‌بینی پارامترهای احتراقی این مطالعه (سطح آلاینده NOx، سطح نویز تولیدشده و میزان نوسانات فشار) دارد.