پديد آورندگان :
ترابي، عليرضا نويسنده دانشكده علوم و فنون نوين,دانشگاه تهران,ايران , , رياضي، روزبه نويسنده دانشكده علوم و فنون نوين,دانشگاه تهران,ايران , , دانشي كهني، محمد نويسنده دانشكده علوم و فنون نوين,دانشگاه تهران,ايران , , وكيلي‌پور، شيدوش نويسنده دانشكده علوم و فنون نوين,دانشگاه تهران,ايران , , ويسي، هادي نويسنده دانشكده علوم و فنون نوين,دانشگاه تهران,ايران , , زارع، هادي نويسنده دانشكده علوم و فنون نوين,دانشگاه تهران,ايران ,
كليدواژه :
محفظه احتراق با شعله پايدارشده چرخشي , شبكه عصبي چندلايه , شبكه عصبي خودسازمانده , شبكه عصبي LVQ
چكيده فارسي :
هدف اين مقاله پيشبيني محدوده آلاينده NOx براساس ويژگي‌هاي استخراج‌شده از تصوير شعله (شامل ويژگي‌هاي هندسي و نورتابي) است. در اين مقاله ارتباط بين تصاوير ثبت‌شده از شعله در نقاط مختلف عملكردي يك محفظه احتراق آزمايشگاهي با كاربرد در توربين‌هاي گازي نيروگاهي، با مقادير اندازهگيري‌شده سطح آلاينده NOx توليدشده در اين نقاط عملكردي، به‌كمك پردازش تصوير شعله و به‌كارگيري سه روش شبكه عصبي متفاوت بررسي شده است. ويژگي هاي استخراج‌شده از تصوير شعله به‌عنوان ورودي به شبكه هاي عصبي LVQ، خودسازمانده و چندلايه ارائه و بر اين اساس محدوده مقادير NOx مربوط به تصاوير شعله، پيشبيني و با مقادير اندازهگيري‌شده از محفظه صحت سنجي مي شود. آزمايشات مربوطه با به‌كارگيري چهار نوع انژكتور پاشش سوخت ثانويه، با ساختار هندسي و طراحي متفاوت، در شرايط نسبت هم‌ارزي كلي در محدوده 0/7 تا 0/9 همراه با مقادير مختلف دبي پاشش سوخت ثانويه در محدوده صفر تا 4/2 ليتر بر دقيقه قبلاً انجام شده است. نتايج نشان مي‌دهد كه شبكه عصبي LVQ جهت پيشبيني ميزان آلايندگي NOx با دقت 97 درصد توانايي بالاتري نسبت به شبكه عصبي چندلايه (با دقت 95 درصد) و خودسازمانده (با دقت 89 درصد) دارد. نوآوري اين پژوهش در اين است كه تاكنون روي اين محفظه احتراق (همراه با پاشش سوخت ثانويه) هيچ مطالعه‌اي بر پايه پردازش تصوير شعله انجام نشده است.
