Yapay Sinir Ağı Kullanarak Kanola Yağı Biyodizel Karışımları İçin Motor Performansı, Yanma ve Emisyon Tahmini

Prediction of engine performance, combustion and emission for canola oil biodiesel blends using artificial neural network

Özet

Bu çalışmada bir dizel motorda kullanılan dizel yakıtı ve kanola yağından üretilen biyodizel karışımlarının; emisyon, performans ve yanma deneysel verileri ile yapay sinir ağları ile oluşturulan modelin sonuçları karşılaştırılmıştır. Modelin oluşturulması için 44 farklı motor deney sonuçları kullanılmıştır. Ağın eğitiminde geri beslemeli algoritma kullanılmıştır. Öğrenme algoritması olarak trainlm, gizli katmanda logsig ve çıkış katmanında ise purelin fonksiyonları kullanılmıştır. Ağ eğitiminde giriş değişkenleri: karışımdaki dizel yakıt oranı, kanola yağı biyodizel oranı, motor devri ve motor momentidir. Çıkışta ise özgül yakıt tüketimi (ÖYT), egzoz sıcaklığı, yanma verimi, püskürtme başlangıcı, yanma başlangıcı, tutuşma gecikmesi, yanma süresi, duman koyuluğu ve NOx değerlerinin her biri için ayrı model oluşturulmuştur. YSA modellerinin R2 değerleri tutuşma gecikmesi için 0,998, yanma süresi için 0,992, duman koyuluğu için 0,984, NOx için ise 0,990 olarak hesaplanmıştır. R2 değerleri ÖYT, egzoz sıcaklığı, yanma verimi, püskürtme başlangıcı ve yanma başlangıcı değerleri için ise 0,999‘dan yüksek bulunmuştur.

Abstract

In this study, the results of emission, performance and combustion experimental data of diesel fuel and canola oil biodiesel blends used in a diesel engine and the results of the model created by artificial neural networks were compared. For construct the model 44 different engine test results were used. The feedback algorithm was used in the training of the network. The trainlm was selected as the learning algorithm. The logsig function was used in the hidden layer while the purelin function was used in the output layer. The input variables in network training were fuel blend ratios, engine speeds and engine loads. At the output of network a separate model was created for each of the specific fuel consumption, exhaust temperature, combustion efficiency, start of injection, start of combustion, ignition delay, combustion duration, smoke opacity and NOx values. The R2 values of the ANN models were calculated to be higher than 0.99 for the performance and combustion parameters and higher than 0.98 for the emissions value.