%0 Journal Article %T پیش‌بینی میزان آلایندة NOx در یک محفظة احتراق آزمایشگاهی با شعلة پایدارشدة چرخشی با استفاده از روش پردازش تصویر شعله و به‌کارگیری روش‌های داده‌کاوی %J دانش و فناوری هوافضا %I دانشگاه صنعتی مالک اشتر با همکاری انجمن هوافضای ایران %Z 2322-1070 %A ترابی, علیرضا %A ریاضی, روزبه %A دانشی کهنی, محمد %A وکیلی‌پور, شیدوش %A ویسی, هادی %A زارع, هادی %D 2016 %\ 09/22/2016 %V 5 %N 2 %P 7-28 %! پیش‌بینی میزان آلایندة NOx در یک محفظة احتراق آزمایشگاهی با شعلة پایدارشدة چرخشی با استفاده از روش پردازش تصویر شعله و به‌کارگیری روش‌های داده‌کاوی %K محفظة احتراق با شعلة پایدارشدة چرخشی %K شبکة عصبی چندلایه %K شبکة عصبی خودسازمانده %K شبکة عصبی LVQ %R %X هدف این مقاله پیش‌بینی محدودة آلایندة NOx براساس ویژگی‌های استخراج‌شده از تصویر شعله (شامل ویژگی‌های هندسی و نورتابی) است. در این مقاله ارتباط بین تصاویر ثبت‌شده از شعله در نقاط مختلف عملکردی یک محفظة احتراق آزمایشگاهی با کاربرد در توربین‌های گازی نیروگاهی، با مقادیر اندازه‌گیری‌شدة سطح آلایندة NOx تولیدشده در این نقاط عملکردی، به‌کمک پردازش تصویر شعله و به‌کارگیری سه روش شبکة عصبی متفاوت بررسی شده است. ویژگی‌های استخراج‌شده از تصویر شعله به‌عنوان ورودی به شبکه‌های عصبی LVQ، خودسازمانده و چندلایه ارائه و بر این اساس محدودة مقادیر NOx مربوط به تصاویر شعله، پیش‌بینی و با مقادیر اندازه‌گیری‌شده از محفظه صحت‌سنجی می‌شود. آزمایشات مربوطه با به‌کارگیری چهار نوع انژکتور پاشش سوخت ثانویه، با ساختار هندسی و طراحی متفاوت، در شرایط نسبت هم‌ارزی کلی در محدودة 0/7 تا 0/9 همراه با مقادیر مختلف دبی‌ پاشش سوخت ثانویه در محدودة صفر تا 4/2 لیتر بر دقیقه قبلاً انجام شده است. نتایج نشان می‌دهد که شبکة عصبی LVQ جهت پیش‌بینی میزان آلایندگی NOx با دقت 97 درصد توانایی بالاتری نسبت به شبکة عصبی چندلایه (با دقت 95 درصد) و خودسازمانده (با دقت 89 درصد) دارد. نوآوری این پژوهش در این است که تاکنون روی این محفظة احتراق (همراه با پاشش سوخت ثانویه) هیچ مطالعه‌ای بر پایة پردازش تصویر شعله انجام نشده است. %U https://www.astjournal.ir/article_21823_2c10db8ccd833877f64c225718154479.pdf