Énergétique
Permanent URI for this collectionhttps://dspace.univ-boumerdes.dz/handle/123456789/5580
Browse
5 results
Search Results
Item Modélisation d'un moteur diesel alimenté par des mélanges de carburants Diesel - Biodiesel à base d'huile de cuisson usagée(Université M'Hamed Bougara Boumerdès: Faculté de Technologie, 2024) Belkouk, Mohamed; Mougari, Nour Elislam(Promoteur)Dans un contexte de recherche constante de solutions énergétiques durables et respectueuses de l'environnement. Ce travail explore l'utilisation des réseaux de neurones artificiels (RNA) et des algorithmes génétiques (AG) pour prédire les performances et les émissions d'un moteur diesel alimenté par des mélanges de diesel et de biodiesel dérivé d'huile de cuisson usagée. Deux modèles RNA distincts ont été développés : le premier prédit les paramètres de performance du moteur (rendement thermique, consommation spécifique de carburant, couple et puissance), et le second prédit les caractéristiques d'émission (monoxyde de carbone, dioxyde de carbone, hydrocarbures, oxydes d'azote et opacité des fumées). Les résultats montrent une forte corrélation entre les valeurs prédites et les données expérimentales, avec des coefficients de corrélation linéaire élevés, indiquant une précision et une robustesse significatives des modèles. L'intégration de l'AG aux modèles RNA a permis d'optimiser leurs configurations, prouvant l'efficacité de l'approche hybride AG-RNA pour des modèles plus performants et robustes. Cette recherche apporte une contribution importante à la compréhension et à l'amélioration des moteurs alimentés par des biocarburants, offrant des perspectives prometteuses pour des applications futures dans la conception de moteurs plus efficaces et écologiquesItem Application des réseaux de neurones artificiels pour la prédiction des paramètres de performances et des caractéristiques d'émission d'un moteur diesel(Université M'hamed Bougara Boumerdes: Faculté de Technologie, 2023) Guellal, Aymen Abdelhadi; Hamzaoui, Abdellah; Mougari, Nour Elislam (Promoteur)En raison de la diminution des réserves de pétrole et des préoccupations environnementales liées aux émissions des moteurs diesel traditionnels, l'utilisation du biodiesel en tant que carburant renouvelable et respectueux de l'environnement a suscité un vif intérêt. Cette recherche présente le développement de modèles basés sur l'approche des réseaux de neurones artificiels (RNA) pour prédire les paramètres de performance (rendement thermique effectif (BTHE) et consommation spécifique de carburant BSFC) et les caractéristiques des émissions (CO, CO2, HC, NOx, fumée) d'un moteur diesel alimenté par des mélanges de biodiesel animal et végétal. Les données expérimentales ont été recueillies à partir de la littérature, où différents mélanges de biodiesel et de diesel ont été créés en combinant du biodiesel pur avec des proportions variables de diesel. Le rapport de mélange diesel biodiesel a été considéré comme une variable d'entrée dans les modèles, tandis que la performance et les émissions ont été considérées comme des variables de sortie. Les résultats ont démontré une corrélation très satisfaisante entre les valeurs expérimentales et les valeurs prédites. L'analyse de performance a révélé une précision élevée des modèles. Les résultats ont atteint une valeur maximale de R de 0,99847 pour la prédiction des paramètres de performance (BTHE, BSFC) et une valeur de R² de 0,99128 pour la prédiction des émissions (CO, CO2, HC, NOx, fumée). Ces résultats indiquent que l'approche basée sur les réseaux de neurones artificiels est solide et présente une capacité prédictive élevée pour évaluer les performances (BTHE, BSFC) et les émissions (CO, CO2, HC, NOx, fumée) d'un moteur diesel alimenté par des mélanges de biodiesel animal et végétal, grâce à sa rapidité et à sa capacité d'apprentissageItem Prédiction des performances et des caractéristiques d'émissions d'un moteur diesel alimenté au diesel-biodiesel par les réseaux de neurones artificiels(Université M'hamed Bougara Boumerdes: Faculté de Technologie, 2023) Meghni, Fouad; Abdelhani, Ahmed; Mougari, Nour Elislam(Promoteur)En Mesure de la baisse des réserves de pétrole et des conséquences environnementales néfastes des gaz d'échappement du diesel pétrolier, le biodiesel a attiré l'attention en tant que carburant renouvelable et respectueux de l'environnement. Ce travail présente le développement de modèles basés sur l'approche des réseaux de neurones artificiels (RNA), pour la prédiction des paramètres de performance et des caractéristiques d'émission d'un moteur diesel fonctionnant avec un mélange de biodiesel extrait d'huile de ricin, ainsi que l'optimisation du rendement thermique du moteur à l'aide de l'algorithme génétique (AG). La charge du moteur et le rapport de mélange diesel et biodiesel ont été considérés comme des paramètres d'entrée pour les modèles, tandis que les paramètres de performances qui sont le rendement thermique effectif (BTE), la consommation spécifique d'énergie (BSEC), le débit massique de carburant (Fuel mass), la température des gaz d'échappement (EGT) et le taux d'excès d'air ont été considérés comme paramètres de sortie du premier modèle. Les caractéristiques d'émission qui sont le monoxyde de carbone (CO), les hydrocarbures (HC) et les oxydes de nitrogène (NOx) sont les paramètres de sortie du deuxième modèle.Les résultats ont montré une bonne corrélation entre les valeurs expérimentales et les valeurs prédites. L'analyse des performances a montré que la précision des modèles est très élevée. L'ensemble de données a fourni des valeurs de coefficient de corrélation linéaire (R) maximales de 0,99838 pour la prédiction les paramètres des performances et de 0,97584 pour la prédiction des émissions. L'intégration de l'AG avec le RNA a permis d'optimiser la meilleure combinaison de de rapport de mélange de diesel-biodiesel et de la charge de moteur pour un rendement thermique effectif maximal. Ces résultats révèlent que l'approche basée sur RNA est robuste avec un pouvoir prédictif élevé pour prédire les paramètres de paramètres de performance et des caractéristiques d'émissions d'un moteur diesel fonctionnant avec un mélange de biodiesel d'huile de ricin, en raison de sa combinaison de vitesse et de capacité d'apprentissageItem Comparaison des modèles réseaux de neurones artificiels (ANN) et système d'inférence neuro-floue adaptative (ANFIS) pour la prédiction des performances et caractéristiques d'un moteur diesel(Université M'Hamed Bougara Boumerdes: Faculté de Technologie, 2022) Ikharbine, Hamza; Mougari, Nour Elislam(Promoteur)La diminution des réserves de pétrole et la pollution causée par les gaz à effet de serre issus de la combustion des ressources fossiles, ont poussé les chercheurs à trouver de nouvelles alternatives. Le biodiesel a attiré l'attention en tant que carburant renouvelable et respectueux de l'environnement. Ce travail de mémoire vise à développer des modèles prédictifs basés sur l'approche Système d'inférence neuro floue adaptatif (ANFIS). Ces modèles sont utilisés pour prédire le rendement thermique effectif et les émissions (CO, HC, NOx) d'un moteur diesel alimenté par un mélange de diesel-biodiesel extrait des noyaux d'abricot. Une base de données a été construite à partir d'un travail expérimental de la littérature. Les données d'entrée des modèles sont la puissance effective(BP) et le rapport du mélange diesel-biodiesel, alors que les données de sortie sont le rendement effectif et les émissions, respectivement. L'indicateur de performance, coefficient de détermination (R²) a été utilisé pour évaluer les performances des modèles. Les résultats ont montré une très bonne corrélation entre les valeurs expérimentales et les valeurs prédites. L'analyse de performance basée sur le coefficient de détermination R², a montré que la précision des modèles est très élevée. L'ensemble de données a présenté une valeur de R² maximales de 0.9999 pour la prédiction du rendement effectif (BTE) et des émissions (CO, HC, NOx). Les valeurs de R² indiquent que entre 99,99 % de la variation totale a été identifiée et expliquée par les modèles ANFIS, et correspond aux données expérimentales. Les valeurs de R² sont très proches de 1, cela signifie que les modèles développés sont robustes, efficaces avec une précision de prédiction élevée. La comparaison des deux modèles ANFIS et RNA a montré les deux approches peuvent être à la fois utilisées comme des outils efficaces pour la prédiction du rendement thermique effectif et des émissions d'un moteur diesel alimenté au mélange diesel-biodiesel extrait des noyaux d'abricot.Item Prédiction des performances et des caractéristiques d'émissions d'un moteur diesel alimenté au diesel-biodiesel par réseaux de neurones artificiels(Université M'Hamed Bougara Boumerdes: Faculté de Technologie, 2022) Mahouni, Feriel; Dehaci, Wissam; Mougari, Nour Elislam(Promoteur)Le Présent travail présent le développement des modèles basés sur l'approche des réseaux de neurones artificiels(RNA ,pour la prédiction du rendement effectif (BTE) et des caractéristiques des émissions (CO, HC, NOx) d'un moteur diesel alimenté par un mélange de diesel-biodiesel extrait des noyaux d'abricot. Les données expérimentales ont été collectées de la littérature, où les différents mélanges considérés dans la présente étude ont été obtenus en mélangeant du biodiesel pur avec des proportions variables de diesel