بهینه‌سازی مصرف سوخت و آلاینده‌ها در موتورهای دیزلی با استفاده از شبکه عصبی و قاعده مورچگان با رویکرد زمان متغیر دریچه ورودی و سامانه پاشش سوخت

در این مقاله با استفاده از نتایج آزمایشگاهی و شبیه‌سازی عددی صورت گرفته توسط نرم افزار فایر، مدل‌سازی آلاینده‌ها و همچنین میزان مصرف سوخت در یک موتور دیزل پاشش مستقیم با استفاده از شبکه عصبی انجام گرفته که ورودی مدل‌سازی، دمای هوای ورودی، جرم سوخت تزریق‌شده، تایمینگ تزریق سوخت، طول مدت تزریق، دور موتور و تایمینگ بسته‌شدن سوپاپ ورودی می‌باشد. سپس بر اساس مدل‌های بدست آمده برای خروجی‌های فوق، با استفاده از الگوریتم بهینه‌سازی مورچگان به بهینه‌سازی کمترین مقدار آلاینده‌ها و همچنین کمترین میزان مصرف سوخت پرداخته شده است. برای این منظور، با استفاده از آزمایشات تجربی و همچنین شبیه‌سازی صورت گرفته، مقدمات لازم برای مدلسازی پارامترهای عملکردی و خروجی توسط شبکه عصبی فراهم شده است. شبکه عصبی مصنوعی با الگوریتم آموزشی لونبرگ- مارگوارت برای مدلسازی و آموزش ارتباط موجود بین پارامترهای مذکور با بهره‌گیری از داده‌های موجود، استفاده شده و به عنوان یک روش پیشگو در الگوریتم مورچگان برای یافتن مقادیر بهینه به صورت یک زیرروال بکار رفته و متغیر‌های طراحی که باعث بهینه‌سازی توابع هدف می شوند، بدست آمده است. نتایج بررسی‌ها، حاکی از همگرایی سریع و زمان پاسخگویی کوتاه الگوریتم مورچگان و بهینه‌سازی خوب پارامترهای کنترلی در مقایسه با دیگر الگوریتم‌های فراابتکاری است. همچنین روش ترکیبی شبکه عصبی-الگوریتم مورچگان به دلیل همگرایی سریع و بهینه‌سازی قابل توجه پارامترهای خروجی، می‌تواند به عنوان یک روش مؤثر در سیستم‌های کنترل هوشمند موتورهای دیزل برای کاهش آلاینده‌ها و مصرف سوخت مورد استفاده قرار گیرد.