Application des réseaux de neurones artificiels pour la prédiction des paramètres de performances et des caractéristiques d'émission d'un moteur diesel

Abstract

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'apprentissage