بهینه سازی پارامترهای الگوریتم ژنتیک برای تعیین ضرایب مدل سینتیکی احتراق متان و هوا

توسعه مدل های سینتیکی برای سوخت های جدید نیازمند بهینه سازی پارامترهای سرعت واکنش هاست که در این میان الگوریتم ژنتیک کارایی بالایی دارد. از آنجایی که انتخاب پارامترهای مناسب جمعیتی و تولید مثل (تعداد جمعیت، احتمال ترکیب و احتمال جهش) در الگوریتم ژنتیک، تاثیر زیادی بر دستیابی به ضرایب سینتیکی بهینه و نیز در سرعت همگرایی روش دارد، مقاله حاضر به بررسی اثر این پارامترها در حالت های مختلف در بهینه سازی-های مربوط به یک مدل سینتیکی معتبر به عنوان ساختار مکانیسم در احتراق متان و هوا در داخل راکتور همزده پرداخته و سپس با استفاده از تحلیل آماری، بهترین پارامترهای الگوریتم ژنتیک را برای به دست آوردن پارامترهای سینتیکی گزارش کرده است. از میان پارامترهای الگوریتم ژنتیک، بیشترین تاثیر ناشی از احتمال جهش بوده که مقدار بهینه آن 001/0 به دست آمد و در رتبه بعدی تاثیر، جمعیت با تعداد بهینه 16 قرار گرفت. برای بررسی بیشتر اعتبار مدل بهینه شده، از مدل شعله پیش اختلاطی استفاده شد که نتایج آن، از لحاظ توزیع اجزای شیمیایی در طول شعله، تطابق کامل با مدل سینتیکی اصلی داشت.