文献

J-GLOBAL ID：201702284487094907   整理番号：17A0446412

応答Calophyllum inophyllumメチルエステルディーゼルエンジンのパラメータ研究に適用した予測人工神経回路網【Powered by NICT】

Artificial neural network applied forecast on a parametric study of Calophyllum inophyllum methyl ester-diesel engine out responses

著者 (2件)： Kshirsagar Charudatta M. (Department of Mechanical Engineering, National Institute of Technology, Tiruchirappalli 620015, India) ,  Anand Ramanathan (Department of Mechanical Engineering, National Institute of Technology, Tiruchirappalli 620015, India)
資料名： Applied Energy  (Applied Energy)
巻： 189  ページ： 555-567  発行年： 2017年 
JST資料番号： A0097A  ISSN： 0306-2619  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本実験的研究では,エンジン応答の予測適用テリハボクメチルエステル(CIME)-ディーゼルエンジン運転と人工ニューラルネットワーク(ANN)のパラメトリック研究を提示した。エンジン試験は220bar,260barと300bar噴射圧力の各実験荷重の25%三選択された噴射時期(21°,23°,及び25°CA bTDC)で規定された増加と全負荷条件にアイドリングから五の試験燃料に対して行った。実験結果は,純ディーゼル(CIME20)中のバイオディーゼルの二十%混合物を試験燃料全負荷で先進及び遅延噴射時期で還元した23°CA bTDC噴射タイミングBTEを一方で300bar噴射圧力のCIMEディーゼル操作の中で最も高いブレーキ熱効率(BTE)を示したことを示した。CO,UBHC,乾燥煤,エンジンO_2の排出はこの新しい噴射タイミングで減少したNOとCO_2排出は増加した。定常状態実験データを用いて,別々のANNモデルは,選択された入力制御変数としてパーセント負荷,ブレンド割合,噴射圧力と噴射タイミングによる性能(BTE, BSEC, EGT)と放出(CO,CO_2,UBHC,NO,乾燥煤,エンジンO_2)パラメータを予測するために提案した。提案したANNモデルは,相関係数(R)と平均絶対百分率誤差(MAPE)値は著しく低い根平均二乗誤差でそれぞれ0.99879 0.99993と0.87 4.62%の範囲で認識されている印象的な一致を示した。に加えて,平均二乗相対誤差(MSRE)の低い値と効率(NSE)指数の注目すべきNash-Sutcliffe係数は提案したモデルのロバスト性を実証した妥当な結果が得られる。さらに,予測不確実性Theil U2の観測値は,信頼できるモデル予測能力のためのより効果的な結果を示した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： 煤 ,  エンジン試験 ,  バイオディーゼル燃料 ,  ロバスト性 ,  熱効率 ,  *ディーゼル機関 ,  相関係数 ,  不確実性
準シソーラス用語： 相対誤差 ,  定常状態 ,  *ディーゼル ,  燃料噴射時期 ,  噴射圧 ,  実験研究 ,  *Calophyllum inophyllum , 【Automatic Indexing@JST】

著者キーワード (5件)： バイオディーゼルブレンド ,  ディーゼルエンジン ,  Performance ,  放出 ,  パラメトリック研究

分類 (1件)： 圧縮点火機関  (PB02030N)

タイトルに関連する用語 (7件)： 応答 ,  メチルエステル ,  ディーゼルエンジン ,  パラメータ ,  研究 ,  予測 ,  人工神経回路網