شبيه‌سازي ارتعاشات موتور ديزل با مخلوط‌هاي سوخت بيوديزل و ديزل با استفاده از شبكه عصبي مصنوعي

Simulation of vibration for a diesel engine with biodiesel and diesel fuel blends using artificial neural networks

بيوديزل سوختي است كه از روغن‌هاي گياهي و بافت‌هاي چربي توليد مي‌شود. بيوديزل با نسبت‌هاي مختلفي با سوخت ديزل در موتورهاي احتراق داخلي استفاده مي‌گردد. سروصدا و ارتعاشات توليد شده در موتورهاي ديزلي اثرات مخربي بر كاربران دارند. هم اكنون تحقيقات كمي در ارتعاشات بيوديزل و مخلوط‌هاي آن در دنيا وجود دارد. به همين منظور، در اين تحقيق ارتعاشات مخلوط‌هاي مختلف سوخت بيوديزل با ديزل بر روي موتور چهار زمانه ديزلي پركينز 6-1006، قبل و بعد از تعمير موتور بررسي گرديد. براي شبيه‌سازي ارتعاشات، از شبكه عصبي مصنوعي استفاده شد. به اين دليل كه روش‌هاي شبكه عصبي نسبت به بسياري از روش‌هاي معمولي آماري و قطعي مزاياي بيشتري دارند. نتايج نشان داد كه مقدار ارتعاش به مقدار چشمگيري بعد از تعمير موتور كاهش مي‌يابد. مخلوط سوخت به‌طور معني‌داري بر مقدار ارتعاش تاثير داشت. همچنين ثابت شد كه موتور ديزل با مخلوط‌هاي سوخت B40 و B20 كمترين مقدار ارتعاش را دارد. بيشترين ارتعاش موتور نيز براي مخلوط‌هاي سوخت B15 و B30 مشاهده شد. نتايج نشان داد كه بين مقادير جذر ميانگين مربعات شتاب و شبكه عصبي تطابق خوبي وجود دارد و ميزان خطا در اكثر الگوها تقريباً نزديك به صفر است. مقايسه نتايج حاصل از شبيه‌سازي شبكه عصبي با نتايج بدست آمده از آزمايش نشان داد كه شبكه‌هاي عصبي ابزار قدرتمندي براي شبيه‌سازي ارتعاش در موتور هستند.

The biodiesel fuel is produced from vegetable oils and adipose tissue. Biodiesel with diesel fuel are used in internal combustion engines in different ratios. Noise and vibration generated by combustion engines have detrimental effects on users. This is more acute in diesel engines. A few researches of vibration biodiesel blends exist in the world. Therefore, in this study, the vibrations of different blends biodiesel with diesel fuel on a four-stroke diesel engine Perkins 1006-6 were evaluated. The experiments were performed in two conditions, before and after the service engine. Artificial neural networks were used for modeling of the vibrations. Because neural networks methods have more benefits than many of the usual definite statistical methods. Results showed that the vibration values decrease considerably after the service engine. Fuel blend, was significantly affected on vibration values. It was fixed that diesel engine with B40 and B20 fuel blends have the lowest vibration and B15 and B30 fuel blends had the highest vibrations. The results demonstrated that there is a good match between roots-mean- squares acceleration values and neural networks, and the error rate approximately is close to zero in most patterns. Comparing the results of the neural network simulation and experimental results showed that neural networks are a powerful tool for the modeling of vibration in the engine.