A review on the application of response surface method and artificial neural network in engine performance and exhaust emissions characteristics in alternative fuel

سوخت جایگزین یکی از جایگزینی های قابل استفاده سوخت برای بنزین و دیزل در زمینه موتور احتراق داخلی است. افزایش تقاضا برای سوخت جایگزین در حال حاضر با نیاز به کاهش مصرف سوخت موتور و اجرای مقررات آلوده کننده انتشار گازهای خروجی موتور محکوم می شود. به منظور مقابله با نگرانی های فوق، به نظر می رسد که از طریق آزمایش های تجربی موتور به تنهایی برای عملکرد موتور و خروجی های اگزوز، کافی نیست. به تازگی، نیاز به مدل سازی موتور براساس روش های آماری و ماشین های یادگیری از طریق سطح پاسخ و تکنیک های شبکه عصبی مصنوعی، به طور غیر ارادی به منظور ارائه تجزیه و تحلیل پشتیبانی تصمیم بهتر است. بنابراین، مطالعه حاضر به بررسی میزان تاثیر استفاده از این روش ها در سوخت های مختلف جایگزین در هر موتور جرقه ای و موتور احتراق فشرده جهت بررسی قابلیت اطمینان آنها می پردازد. مقاله همچنین در اینجا روش هایی برای تعیین دقت و اهمیت مدل سازگاری برای هر دو روش را شرح می دهد. از این بررسی می توان نتیجه گرفت که بیشتر تحقیقات نتایج مطلوب پیش بینی مدل سازی موتور برای هر دو روش انجام می دهند. مقایسه نتایج پیش بینی شده و تجربی می تواند نتیجه گیری کند که ضریب بالایی از ضریب تعیین نشان می دهد که مدل می تواند کارایی مدل با دقت مناسب را پیش بینی کند.