Modélisation et optimisation basées sur l'informatique douce des émissions de NOx d'un moteur diesel à taux de compression variable

Une méthode d'apprentissage automatique et une méthode statistique ont été utilisées pour la prédiction du modèle et l'optimisation d'un moteur à compression variable alimenté par un mélange de biodiesel-diesel de troisième génération. Des valeurs R2 élevées de 0.9998 et 0.9994 ont été observées lors des phases d'entraînement et de test du modèle, respectivement, indiquant que les résultats confirment la robustesse du système de prévision. Il a été démontré que l'erreur quadratique moyenne de précision du modèle est restée faible à 0.0002 et 0.0014. Ces résultats ont ensuite été confirmés par une optimisation basée sur la désirabilité, qui a réussi à atteindre les valeurs des paramètres définis. Il convient de noter que le taux de compression (CR), la pression d'injection de carburant et la charge du moteur ont été optimisés pour respecter les paramètres définis, ce qui a entraîné une réduction des émissions de NOx à 222,8 ppm. La recherche illustre l'efficacité de l'optimisation basée sur la désirabilité pour atteindre des objectifs de performance ciblés à travers des paramètres moteurs importants tout en réduisant également l'impact sur l'environnement.