روش نرم افزاری برای پیش بینی انتشار آلاینده اکسید نیتروژن با استفاده از معماری شبکه عصبی کانولوشنی عمیق

چکیده مقاله

در این مطالعه روشی نرم افزاری مبتنی بر یادگیری عمیق برای پیش بینی انتشار اکسید نیتروژن NOX در موتورهای دیزل دوگانه سوز ارائه شده است مدل پیشنهادی ترکیبی از شبکه عصبی کانولوشنی CNN و لایههای حافظه بلندمدت کوتاه مدت LSTM میباشد که به منظور استخراج ویژگیهای فضایی زمانی از دادههای عملکردی موتور طراحی شده است ورودیهای مدل شامل پارامترهای دینامیکی و ترمودینامیکی نظیر سرعت، موتور گشتاور، فشار و دمای سوخت، جریان هوا و زمانبندی پاشش است که پس از پیش پردازش و نرمال سازی مناسب به مدل داده میشوند این ساختار امکان پیش بینی دقیق و عددی مقدار انتشار NOX را بدون نیاز به مداخلات سخت افزاری یا تغییرات فیزیکی در موتور فراهم می آورد نتایج آزمایشهای عددی نشان دهنده عملکرد قابل قبول و قابلیت تعمیم پذیری مدل در شرایط متنوع کاری موتور بوده و این سامانه را به عنوان ابزاری موثر برای پایش و کنترل هوشمند آلایندههای موتورهای دیزل دوگانه سوز معرفی می کند

کلیدواژه‌ها

نویسندگان

فرناز حسینی

گروه مهندسی کامپیوتر، دانشگاه ملی مهارت، تهران، ایران

�سینی، فرناز،1404،روش نرم افزاری برای پیش بینی انتشار آلاینده اکسید نیتروژن با استفاده از معماری شبکه عصبی کانولوشنی عمیق،دومین کنفرانس ملی علم داده در کاربردهای مهندسی،تبریز

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی علم داده در کاربردهای مهندسی17 مهر 1404 · تبریز