پیش‌بینی میزان آلاینده nox در یک محفظه احتراق آزمایشگاهی با شعله پایدارشده چرخشی با استفاده از روش پردازش تصویر شعله و به‌کارگیری روش‌های داده‌کاوی

هدف این مقاله پیش‌بینی محدوده آلاینده 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 محفظه احتراق آزمایشگاهی با کاربرد در توربین‌های گازی نیروگاهی، با مقادیر اندازه­گیری‌شده سطح آلاینده nox تولیدشده در این نقاط عملکردی، به‌کمک پردازش تصویر شعله و به‌کارگیری سه روش شبکه عصبی متفاوت بررسی شده است. ویژگی های استخراج‌شده از تصویر شعله به‌عنوان ورودی به شبکه های عصبی lvq، خودسازمانده و چندلایه ارائه و بر این اساس محدوده مقادیر nox مربوط به تصاویر شعله، پیش‌بینی و با مقادیر اندازه­گیری‌شده از محفظه صحت ‌سنجی می شود. آزمایشات مربوطه با به‌کارگیری چهار نوع انژکتور پاشش سوخت ثانویه، با ساختار هندسی و طراحی متفاوت، در شرایط نسبت هم‌ارزی کلی در محدوده 0/7 تا 0/9 همراه با مقادیر مختلف دبی‌ پاشش سوخت ثانویه در محدوده صفر تا 4/2 لیتر بر دقیقه قبلاً انجام شده است. نتایج نشان می‌دهد که شبکه عصبی lvq جهت پیش­بینی میزان آلایندگی nox با دقت 97 درصد توانایی بالاتری نسبت به شبکه عصبی چندلایه (با دقت 95 درصد) و خودسازمانده (با دقت 89 درصد) دارد. نوآوری این پژوهش در این است که تاکنون روی این محفظه احتراق (همراه با پاشش سوخت ثانویه) هیچ مطالعه‌ای بر پایه پردازش تصویر شعله انجام نشده است.