TY - JOUR ID - 109557 TI - بررسی تاثیر افزودن نانوکامپوزیت Al2O3-SiO2 به سوخت بیودیزل-دیزل بر روی عملکرد و آلایندگی یک موتور دیزلی JO - سوخت و احتراق JA - JFNC LA - fa SN - 2008-3629 AU - جبرئیلی, مریم AU - پوردربانی, راضیه AU - نجفی, بهمن AU - نعمت اله زاده, علی AD - گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه محقق اردبیلی، اردبیل، ایران AD - دانشیار گروه مهندسی بیوسیستم، دانشکده کشاورزی، دانشگاه محقق اردبیلی AD - گروه بیوسیستم. دانشکده کشاورزی.دانشگاه محقق اردبیلی. اردبیل. ایران AD - گروه مهندسی شیمی. دانشکده فنی. دانشگاه محقق اردبیلی. اردبیل ایران Y1 - 2020 PY - 2020 VL - 13 IS - 2 SP - 25 EP - 39 KW - انرژی تجدید پذیر KW - بیودیزل KW - شبکه عصبی KW - پرسپترون چندلایه DO - N2 - بیودیزل یکی از انرژی­ های پاک و تجدیدپذیر است که می‌تواند جایگزین مناسبی برای سوخت­ های فسیلی باشد و بدون تغییردادن موتورهای دیزلی جایگزین دیزل­ های نفتی شود. این پژوهش دارای دو بخش بوده که در بخش اول به مقایسه نتایج افزودنی نانوذرات آلومینا، نانوذرات سیلیکا و ترکیب نانوکامپوزیت آلومینا-سیلیکا به سوخت بیودیزل بر پارامترهای عملکردی و انتشار آلاینده‌های خروجی پرداخته شد. در بخش دوم، کارایی شبکه عصبی در پیش‌بینی پارامترهای تاثیرگذار بر عملکرد و گازهای خروجی بررسی شده است. ابتدا، با افزوده­شدن B5به سوخت دیزل، کاهش در میزان آلاینده‌ CO، کاهش مصرف ویژه سوخت و افزایش در گشتاور و توان ترمزی رخ داد. در گام بعدی، نانوذرات آلومینا و سیلیکا به­طور جداگانه در نسبت­های مختلف 30، 60، 90 و  ppm 120 به سوخت دیزل-بیودیزل افزوده شد. نتایج نشان داد که نانوذرات سیلیکا نسبت­به نانوذرات آلومینا باعث بهبودی بیشتر در عملکرد موتور دیزلی و کاهش آلاینده‌ها شده که در نسبت ppm90، افزایش 21/6% در توان ترمزی حاصل شد. گشتاور هیچ تغییری نکرد و کاهش 8/1% در CO2، کاهش 56/16% در CO، کاهش 3/05% در مصرف سوخت و افزایش بسیار جزئی 0/57% و  0/6% در NOX و NO صورت گرفت. سپس، نمونه­ های کامپوزیت­ شده با نسبت ­های مختلف به سوخت دیزل-بیودیزل افزوده شدند. از بین نانوکامپوزیت‌ها، ترکیب B5Al60Si60  دارای بیشینه توان و گشتاور بود و منجربه افزایش 1/44% در گشتاور و افزایش 1/64% در توان ترمزی نسبت­به سوخت دیزل شد و نیز به­ ترتیب منجربه کاهش 39/21%، 10/9%، 6/9% و 6/85% در CO، CO2، NO و NOX شد. شبکۀ عصبی مصنوعی پرسپترون چندلایه با یک و دولایۀ پنهان و دو نوع تابع فعال‌سازی سیگموئیدی و تانژانت هیپربولیک برای تحلیل نتایج استفاده شد. مقادیر MSE و R به ­ترتیب برای توان ترمزی 21/10 و 0/9905، برای CO 1498/75 و 0/9910، برای  CO2  0/0009و 0/9940، برای  NO 3/94و 0/9965، برای NOx 4/39 و 0/9919 و برای گشتاور 0/00079919و0/9905بوده است. در مجموع، شبکه با تابع فعال‌سازی سیگموئیدی و دو لایه پنهان بهترین شبکه بوده است. UR - https://www.jfnc.ir/article_109557.html L1 - https://www.jfnc.ir/article_109557_1a639e90fdfabe3cc68d5e1d33f4a76f.pdf ER -