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 لایه های حافظه بلندمدت کوتاه مدت LSTM می باشد که به منظور استخراج ویژگی های فضایی زمانی از داده های عملکردی موتور طراحی شده است ورودی های مدل شامل پارامترهای دینامیکی و ترمودینامیکی نظیر سرعت، موتور، گشتاور، فشار و دمای سوخت، جریان هوا و زمان بندی پاشش است که پس از پیش پردازش و نرمال سازی مناسب به مدل داده می شوند 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 آزمایش های 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 آلاینده های 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 عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین،تبریز

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی عصر انفجار تکنولوژی؛ هوش مصنوعی، تحولی در صنعت، تجارت و زنجیره تامین17 مهر 1404 · تبریز