Επισκόπηση της εφαρμογής μεθόδων τεχνητής νοημοσύνης σε βελτιστοποίηση παραμέτρων πρόωσης σε πλοία LNG

Abstract

Είναι γνωστό ότι τα ορυκτά καύσιμα εξαντλούνται μέρα με τη μέρα και με την αύξηση του αριθμού των οχημάτων η ρύπανση έχει φτάσει σε ανησυχητικό στάδιο. Ο σκοπός αυτής της εργασίας είναι να παρουσιάσει αρχικά τη χρήση του φυσικού αερίου ως εναλλακτικό καύσιμο για τη ναυτιλία και επίσης τη σχετική τεχνολογία του φυσικού αερίου (υγροποίηση, μεταφορά, αποθήκευση). Μέρος αυτής της διαδικασίας είναι τα πλοία που μεταφέρουν LNG παγκοσμίως. Η ανάγκη της ώρας είναι να βρούμε ένα εναλλακτικό καύσιμο, καθώς και να μετριάσουμε τις εκπομπές καυσαερίων και να βελτιώσουμε τις παραμέτρους απόδοσης του κινητήρα εσωτερικής καύσης (I.C.). Από την εκτέλεση πειραμάτων σε ένα I.C. Ο κινητήρας είναι τόσο χρονοβόρος και δαπανηρός, επομένως πολλές τεχνικές μαλακών υπολογιστών υιοθετούνται σε αυτόν τον τομέα. Ο όρος’΄ soft computer ΄’αναφέρεται στην εύρεση της λύσης ενός ανακριβούς προβλήματος. Διαφορετικές τεχνικές μαλακών υπολογιστών που χρησιμοποιούνται σε αυτόν τον τομέα είναι το Τεχνητό Νευρωνικό Δίκτυο,(Soft Computing) η προσέγγιση με βάση το ασαφές, το προσαρμοστικό σύστημα Neuro Fuzzy Inference, , και ο γενετικός αλγόριθμος.. Το κίνητρο αυτής της εργασίας είναι να επανεξετάσει τις έρευνες που διεξάγονται στον τομέα του I.C. κινητήρα σε τύπους μηχανών με εναλλακτικό καύσιμο το ΥΦA( LNG)χρησιμοποιώντας αυτές τις τεχνικές μαλακού υπολογισμού. Τα πρώτα κεφάλαια καλύπτουν μια αναφορά σε σύγχρονα συστήματα πρόωσης, τα καύσιμα που χρησιμοποιούνται ,τους τύπους μηχανών LNG. Στα τελευταία κεφάλαια αναλύονται οι μέθοδοι τεχνητής νοημοσύνης(neural networks,Anfis, genetic algorythm) που έχουν βρει ήδη εφαρμογή στη μέτρηση απόδοσης μηχανών LNG σε αεροπλάνα , πλοία και μελετάμε τη μεθοδολογία που θα χρησιμοποιηθεί στο άμεσο μέλλον και σε ανάλυση μετρήσεων σε συγκεκριμένο τύπο μηχανής LNG (μηχανής 9L50DF Wartsila).