Mesin Diesel akan menjadi semakin populer karena efisiensi yang tinggi dan daya tahannya. Dengan mempertimbangkan akan efek rumah kaca serta karbondioksida (CO2) yang dihasilkan, mesin diesel lebih unggul daripada mesin biasa (bensin). Sayangnya, mesin diesel memancarkan nitrogen oksida (NOx) tingkat tinggi . Kontrol penutup pembakaran di mesin merupakan bagian sangat penting untuk mencapai peningkatan efisiensi, sementara standart emisi semakin ketat.
Pemodelan ANN menggunakan data NOx yang diperoleh dari rig-test yang dirancang dan dirakit untuk memungkinkan pengujian mesin didalam lingkungan laboratorium. Mesin yang diuji adalah mesin diesel empat silinder direct-injection. Mesin dijalankan dengan cara disedot untuk mendapatkan tekanan masuk berulang-ulang segera setelah dimulai. Kecepatan dan beban dari penelitian mesin dikontrol secara mandiri oleh dinamometer dan sistem kontrol bahan bakar. Laju aliran udara diukur dengan menggunakan aliran elemen laminar dan debit bahan bakar diukur menggunakan meteran perpindahan positif. Digital tachometer digunakan dalam pengukuran kecepatan mesin. masing-masing suhu dan tekanan Manifold diukur dengan menggunakan thermocouples dan strainbased pressure transducers. emisi gas buangan diukur dengan bantuan kantong gas (gasTM-portabel analyzer).
Uji Emisi Mesin dilakukan pada langkah-langkah dalam 1000-5000 rpm dari 500 rpm dengan kondisi berbagai pembebanan 25%, 50%, 75% dan 100% dari beban, di mana beban 504N sesuai dengan 100%. Di antara berbagai macam pendekatan ANN yang ada, pembelajaran algoritma BP (Backpropagation) telah menjadi yang paling populer dalam aplikasi teknik, yang digunakan dalam penelitian ini. Namun, ada kesalahan yang cukup besar di tingkat NOx diperkirakan pada kondisi beban lebih rendah, yang sedikit berkurang dari waktu ke waktu. Hal ini disebabkan oleh efek termal yang tidak dipertimbangkan dalam model seperti pemanasan ruang bakar pada kondisi beban lebih rendah. Input Jaringan yang tersedia hanya berupa udara masuk dan suhu pendingin, yang keduanya lemah hanya pada saat terkait dengan suhu ruang pembakaran.
Kesimpulan
Dari hasil rangkuman diatas dapat disimpulkan model neural network mesin mampu membuat asosiasi yang sangat kompleks, nonlinier dan multidimensi antara parameter input yang dipilih dan output untuk memungkinkan tingkat akurasi yang dapat diterima dalam memprediksi torsi mesin, konsumsi bahan bakar dan NOx di kisaran penuh dari operasi mesin .
Walaupun terdapat sederet keunggulan namun, terdapat kesalahan yang cukup besar di tingkat NOx diperkirakan pada kondisi beban lebih rendah, yang sedikit berkurang dari waktu ke waktu sebagai tingkat pengukuran yang perlahan meningkat. Hal ini karena efek termal yang tidak dipertimbangkan dalam model, seperti pemanasan ruang bakaran pada kondisi beban lebih rendah.
Input Jaringan yang tersedia hanya berupa udara masuk dan suhu pendingin, yang keduanya lemah hanya pada saat terkait dengan suhu ruang pembakaran. dan terakhir permodelan ANN dengan menggunakan algoritma backpropagation (BP) sangat disarankan dalam memprediki emisi NOx di mesin diesel karena sudah terbukti menjadi alat yang sangat baik dalam uji coba tersebut.
Tidak ada komentar:
Posting Komentar