پديد آورندگان :
پوردرباني، راضيه دانشگاه محقق اردبيلي - دانشكده كشاورزي - گروه مهندسي بيوسيستم، اردبيل، ايران , نجفي، بهمن دانشگاه محقق اردبيلي - دانشكده كشاورزي - گروه مهندسي بيوسيستم، اردبيل، ايران , نعمت اله زاده، علي دانشگاه محقق اردبيلي - دانشكده فني - گروه مهندسي شيمي. اردبيل، ايران
كليدواژه :
انرژي تجديد پذير , بيوديزل , شبكه عصبي , پرسپترون چندلايه
چكيده فارسي :
بيوديزل يكي از انرژي هاي پاك و تجديدپذير است كه مي‌تواند جايگزين مناسبي براي سوخت هاي فسيلي باشد و بدون تغييردادن موتورهاي ديزلي جايگزين ديزل هاي نفتي شود. اين پژوهش داراي دو بخش بوده كه در بخش اول به مقايسه نتايج افزودني نانوذرات آلومينا، نانوذرات سيليكا و تركيب نانوكامپوزيت آلومينا-سيليكا به سوخت بيوديزل بر پارامترهاي عملكردي و انتشار آلاينده‌هاي خروجي پرداخته شد. در بخش دوم، كارايي شبكه عصبي در پيش‌بيني پارامترهاي تاثيرگذار بر عملكرد و گازهاي خروجي بررسي شده است. ابتدا، با افزودهشدن B5به سوخت ديزل، كاهش در ميزان آلاينده CO، كاهش مصرف ويژه سوخت و افزايش در گشتاور و توان ترمزي رخ داد. در گام بعدي، نانوذرات آلومينا و سيليكا بهطور جداگانه در نسبتهاي مختلف 30، 60، 90 و ppm 120 به سوخت ديزل-بيوديزل افزوده شد. نتايج نشان داد كه نانوذرات سيليكا نسبتبه نانوذرات آلومينا باعث بهبودي بيشتر در عملكرد موتور ديزلي و كاهش آلاينده‌ها شده كه در نسبت ppm90، افزايش 21/6% در توان ترمزي حاصل شد. گشتاور هيچ تغييري نكرد و كاهش 8/1% در CO2، كاهش 56/16% در CO، كاهش 3/05% در مصرف سوخت و افزايش بسيار جزئي 0/57% و 0/6% در NOX و NO صورت گرفت. سپس، نمونه هاي كامپوزيت شده با نسبت هاي مختلف به سوخت ديزل-بيوديزل افزوده شدند. از بين نانوكامپوزيت‌ها، تركيب B5Al60Si60 داراي بيشينه توان و گشتاور بود و منجربه افزايش 1/44% در گشتاور و افزايش 1/64% در توان ترمزي نسبتبه سوخت ديزل شد و نيز به ترتيب منجربه كاهش 39/21%، 10/9%، 6/9% و 6/85% در CO، CO2، NO و NOX شد. شبكۀ عصبي مصنوعي پرسپترون چندلايه با يك و دولايۀ پنهان و دو نوع تابع فعال‌سازي سيگموئيدي و تانژانت هيپربوليك براي تحليل نتايج استفاده شد. مقادير MSE و R به ترتيب براي توان ترمزي 21/10 و 0/9905، براي CO 1498/75 و 0/9910، براي CO2 0/0009و 0/9940، براي NO 3/94و 0/9965، براي NOx 4/39 و 0/9919 و براي گشتاور 0/00079919و0/9905بوده است. در مجموع، شبكه با تابع فعال‌سازي سيگموئيدي و دو لايه پنهان بهترين شبكه بوده است.
چكيده لاتين :
Initially, adding B5 to diesel fuel was led to reduce CO emissions and fuel consumption and increase torque and brake power. In the next step, alumina and silica nanoparticles were added separately to the diesel-biodiesel fuel at 30, 60, 90 and 120 ppm. The results showed that SiO2, compared to Al2O3, improved the performance and reduced emissions which resulted in 21.6% increase in brake power at 90 ppm, 8.1% decrease in CO2, 56.16% decrease in CO, 3.05% decrease in fuel consumption and a very slight increase of 0.57% and 0.6% in NOX and NO, respectively. Then SiO2_Al2O3 composite samples with different ratios were added to diesel-biodiesel fuel. Among the nanocomposites, B5Al60Si60 had the highest power and torque, resulting in a 1.44% increase in torque and a 1.64% increase in brake power compared to diesel fuel and a reduction of 39.21%, 9.9%, 10, 6.9% and 6.85% in CO, CO2, NO and NOX, respectively. A multilayered neural network with one and two hidden layers and two types of sigmoid activation and hyperbolic tangent were used to analyze the results. The MSE and R values for brake power, CO, CO2, NO, NOX and torque were 21.10 and 0.9905, 1414/75 and 0.9910, 0.0009 and 0.9940, 3.94 and 0.9965, 0.00079919, and 0.9905 respectively. In total, the best network is that with the sigmoid activation function and the hidden layer.
