Determining optimal artificial neural network training method in predicting the performance and emission parameters of a biodiesel-fueled diesel generator

Basit Öğe Kaydı
dc.authorid0000-0002-9017-2986en_US
dc.contributor.authorAltun, Şehmus
dc.contributor.authorErtuğrul, Ömer Faruk
dc.date.accessioned2021-10-28T06:41:38Z
dc.date.available2021-10-28T06:41:38Z
dc.date.issued2019-04-03en_US
dc.departmentBatman Üniversitesi Mühendislik - Mimarlık Fakültesi Makine Mühendisliği Bölümüen_US
dc.description.abstractArtificial neural network (ANN) methods were employed and suggested in modeling the emissions and performance of a diesel generator fueled with waste cooking oil derived biodiesel during steady-state operation. These papers are generally built on determining optimal network structure, but the modelling accuracy of an ANN is also highly dependent on employed training method. In modeling, operating conditions and fuel blend ratio were used as the inputs while the performance and emission parameters were the outputs. The modeling results obtained by conventional ANNs that were trained by back propagation (BP) learning algorithm, radial basis function (RBF), and extreme learning machine (ELM) were compared with experimental results and each other. The accuracy of the estimations by ELM was above 95% for all the output parameters except for specific fuel consumption and thermal efficiency. Moreover, ELM performed better than BP and RBF with lower mean relative error (MRE) in case where the emissions were estimated. The ELM provided correlation coefficients of 0.987, 0.950 and 0.996 for unburned hydrocarbons (HCs), nitrogen oxides (NOx) and smoke opacity (SO), respectively, while for BP, they were 0.973, 0.818, 0.993, and for RBF, 0.975, 0.640 and 0.981. The most suitable training function for each emission and performance parameters of diesel generator was determined based on obtained accuracies.en_US
dc.description.abstractModellemede yapay sinir ağı (YSA) yöntemleri kullanılmış ve önerilmiştir. atık yemeklik yağdan elde edilen biyodizel ile yakıtlı bir dizel jeneratörün emisyonları ve performansı kararlı durum çalışması sırasında. Bu makaleler genellikle optimum ağ belirleme üzerine kuruludur. yapı, ancak bir YSA'nın modelleme doğruluğu da yüksek oranda kullanılan eğitime bağlıdır. yöntem. Modellemede girdi olarak işletme koşulları ve yakıt karışım oranı kullanılmıştır. performans ve emisyon parametreleri çıktılardır. Elde edilen modelleme sonuçları geri yayılım (BP) öğrenme algoritması ile eğitilmiş geleneksel YSA'lar, radyal tabanlı işlevi (RBF) ve aşırı öğrenme makinesi (ELM) deneysel yöntemlerle karşılaştırılmıştır. Sonuçlar ve birbirleri. ELM tarafından yapılan tahminlerin doğruluğu, tüm testler için %95'in üzerindeydi. özgül yakıt tüketimi ve ısıl verim hariç çıkış parametreleri. Ayrıca, ELM olması durumunda daha düşük ortalama bağıl hata (MRE) ile BP ve RBF'den daha iyi performans gösterdi. emisyonları tahmin edilmiştir. ELM, 0,987, 0,950 ve yanmamış hidrokarbonlar (HC), nitrojen oksitler (NOx) ve duman opaklığı (SO) için 0.996, sırasıyla BP için 0,973, 0,818, 0,993 ve RBF için 0,975, 0,640 ve 0,981 idi. Dizel her bir emisyon ve performans parametresi için en uygun eğitim fonksiyonu jeneratör, elde edilen doğruluklara göre belirlendi.en_US
dc.identifier.citationAltun, Ş., Ertuğrul, Ö.F. (2018). Determining optimal artificial neural network training method in predicting the performance and emission parameters of a biodiesel-fueled diesel generator. International Journal of Automotive Engineering and Technologies, 7 (1), pp. 7-17. DOI: https://doi.org/10.18245/ijaet.438042en_US
dc.identifier.endpage17en_US
dc.identifier.issn2146-9067
dc.identifier.issue1en_US
dc.identifier.startpage7en_US
dc.identifier.urihttps://doi.org/10.18245/ijaet.438042
dc.identifier.urihttps://hdl.handle.net/20.500.12402/3838
dc.identifier.volume7en_US
dc.identifier.wosqualityN/Aen_US
dc.indekslendigikaynakTR-Dizinen_US
dc.language.isoenen_US
dc.publisherInternational Journal of Automotive Engineering and Technologiesen_US
dc.relation.isversionof10.18245/ijaet.438042en_US
dc.relation.journalInternational Journal of Automotive Engineering and Technologiesen_US
dc.relation.publicationcategoryMakale - Uluslararası Hakemli Dergi - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.rightsAttribution-NonCommercial-ShareAlike 3.0 United States*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/3.0/us/*
dc.subjectExtreme Learning Machineen_US
dc.subjectArtificial Neural Networken_US
dc.subjectRadial Basis Functionen_US
dc.subjectBack Propagationen_US
dc.subjectBiodieselen_US
dc.subjectDiesel Generatoren_US
dc.subjectEmissionsen_US
dc.subjectAşırı Öğrenme Makinesien_US
dc.subjectYapay Sinir Ağıen_US
dc.subjectRadyal Temel Fonksiyonuen_US
dc.subjectGeri yayılımen_US
dc.subjectBiyodizelen_US
dc.subjectDizel Jeneratören_US
dc.subjectEmisyonlaren_US
dc.titleDetermining optimal artificial neural network training method in predicting the performance and emission parameters of a biodiesel-fueled diesel generatoren_US
dc.title.alternativeBiyodizel yakıtlı dizel jeneratörün performans ve emisyon parametrelerinin tahmininde optimal yapay sinir ağı eğitim yönteminin belirlenmesien_US
dc.typeArticleen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Determining optimal artificial neural network training method.pdf
Boyut:
531.32 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam Metin / Full Text
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.44 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Mühendislik-Mimarlık Fakültesi Makine Mühendisliği Bölümü Makale Koleksiyonu
TR Dizin İndeksli Yayınlar Koleksiyonu