پروژه مدلسازی رفتار موتور دیزل با استفاده از ابزار هوش مصنوعی جهت پیش بینی مفهوم اگزرژی از داده های شبیه سازی دینامیک سیالات محاسباتی با استفاده از نرم افزارهای AVL-FIRE و EES و به همراه آموزش نرم افزارهای AVL-FIRE و EES

در کار ارائه شده هم از نرم‌افزار تجاری AVL-FIRE برای شبیه‌سازی جریان داخل محفظه احتراق استفاده گردیده و هم از کدهای EES و کدنویسی FORTRAN برای محاسبات مربوط به عبارات اگزرژی داخل موتور و مدل‌سازی جهت پیش‌بینی نتایج خروجی از موتور استفاده شده است. در استخراج ترم‌های اگزرژی گونه‌های محدودی از محصولات احتراق در نظر گرفته شده است. برای هر مطالعه موردی، از مدل احتراق مخصوص که مناسب آن حالت است استفاده شده است. در کدهای مربوط به هوش مصنوعی، چندین الگوریتم آموزشی به همراه معیارهای خطاسنجی و تبیین راندمان به همراه شاخص‌های آماری مختلف در متن کد ارائه خواهد شد. کد نویسی مربوط به اگزرژی با در نظر گرفتن غلظت مولی محصولات متعدد از واکتش احتراق خواهد بود. نتایجی ابتدایی عبارتند از: (1) فرآیند اختلاط سوخت با هوا که با پارامتر فاکتور همگنی و نسبت هم‌ارزی نشان داده شده است و (2) شروع احتراق و کاردهی که با نرخ آزادسازی گرما، تأخیر در اشتعال، و بازده حرارتی بازگو شده است. مشخص گردید که افزایش جابجایی بیرونی کاسه، یکنواختی و همگونی مخلوط را افزایش می‌دهد (HF بالاتر) و در نتیجه فشار و نرخ آزادسازی گرمای بالاتر به دست می آید که با جریمه تأخیر در شروع احتراق همراه است و این امر می تواند فشار مراحل پایانی را کاهش دهد. علاوه بر این، اندازه کاسه کوچکتر باعث ایجاد جریان فشردگی قوی تر و ایجاد ورتکس بیشتر در داخل محفظه می‌شود؛ ولی با این کار تصادم افشانه به دیواره نیز در نتیجه فاصله کمتر انژکتور به دیواره افزایش می‌یابد و این امر تأخیر در اشتعال را کاهش می‌دهد. روند کلی نشان می‌دهد که افزایش جابجایی کاسه پیستون به ترتیب منجر به افزایش 17.2% و 39.7% در بازده قانون اول و دوم ترمودینامیکی می‌شود.


آنچه در این کد خواهید آموخت:

1- چگونگی تغییر در ساختار کاسه پیستون با جابجا کردن افقی و افزایش شعاع

2- نوشتن کد اگزرژی برای شرایط ترمودینامیکی داخل موتور

3- نحوه ایجاد هندسه محفظه موتور در محیط ESE Diesel

4- نحوه بلوک بندی و مش زنی با تراکم دلخواه

5- بسط دادن کد شبکه عصبی مصنوعی و تعیین بهترین ساختار براساس تعداد نورون


نکات و الزامات:

1- آشنایی اولیه با کدنویسی در EES و MATLAB

2- مرحله شبیه سازی موتور دیزل هم در ESE diesel و هم در Work flow manager قابل پیگیری است. اجرای برنامه در مورد اولی قابل کنترل است.

3- آشنایی اولیه با CFD و مفاهیمی مانند under relaxation factor، differencing schemes، linear solver type و غیره

4- آشنایی با مفاهیم موتور مانند زاویه میل لنگ، احتراق و آلایندگی

5- آشنایی با مفاهیم اگزرژی و تجزیه و تحلیل انواع اگزرژی جریان و اگزرژی سیستم بسته


مشخصات کلی
تعداد صفحات محصول20-40
معرفی متغیر های ورودی نرم افزاردارد
نمودارهای خروجیدارد
زبان برنامه نویسی
زبان برنامه نویسی اولAVL-FIRE
زبان برنامه نویسی دومEES
سیالات
حوزه تخصصی 1سایر

نظر بدهید

توجه: HTML ترجمه نمی شود!
    بد           خوب

Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu.Lorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcuLorem ipsum dolor sit amet, consectetur adipiscing elit. Aliquam iaculis egestas laoreet. Etiam faucibus massa sed risus lacinia in vulputate dolor imperdiet. Curabitur pharetra, purus a commodo dignissim, sapien nulla tempus nisi, et varius nulla urna at arcu. 

پروژه مدلسازی رفتار موتور دیزل با استفاده از ابزار هوش مصنوعی جهت پیش بینی مفهوم اگزرژی از داده های شبیه سازی دینامیک سیالات محاسباتی با استفاده از نرم افزارهای AVL-FIRE و EES و به همراه آموزش نرم افزارهای AVL-FIRE و EES

  • تولید کننده: هادی تقوی فر
  • شناسنامه: MC2-1154
  • موجودی: در انبار
  • زبان برنامه نویسی: AVL-FIRE
  • زبان برنامه نویسی 2: EES
  • سریال برنامه: MC2-1154
  • سفارش دهنده: مارکت کد
  • فایل معرفی محصول: لینک
  • 70,000تومان

برچسب ها: اصلاح موتور, اگزرژی, تأخیر در اشتعال, فاکتور همگنی, دینامیک سیالات محاسباتی, EES, FORTRAN, فرترن, شبکه عصبی مصنوعی, AVL-FIRE