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

Abstract

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.