Optymalizacja wydajności i emisji silnika CRDI przy użyciu algorytmu PSO

Biorąc pod uwagę obserwacje dotyczące nieodłącznych właściwości kompromisowych PM-NOx-BSFC zapewnianych przez CRDI przy zastosowaniu strategii CNG i EGR podczas eksperymentów ustalono potencjalny punkt wyjścia do przeanalizowania pierwszego w swoim rodzaju podejścia optymalizacyjnego w celu zwiększenia potencjału kompromisowego CNG i EGR poprzez ich jednoczesne zastosowanie w istniejącym silniku wysokoprężnym z układem wtrysku paliwa common rail. Jako zmienne kontrolne do badania optymalizacji wybrano FIP EGR CES i obciążenie silnika. Jako funkcję celu do optymalizacji przyjęto adaptacyjną funkcję merytoryczną (AMF) a do skorelowania funkcji celu z wybranymi zmiennymi kontrolnymi wykorzystano sieć neuronową (ANN). Jako harmonogram DoE wybrano Latin-Hypercube aby zapewnić początkową próbkę populacji dla sekwencji iteracji optymalizacji. Jako algorytm optymalizacji wybrano PSO ze względu na jego prostotę i wydajność w zapewnianiu zbieżności funkcji celu przy znacznie niższych kosztach obliczeniowych. Wbudowana konstrukcja funkcji celu AMF gwarantowała że wszystkie takie optymalne wartości kompromisowe jednocześnie spełniały oczekiwania norm EPA Tier 4 PM i NHC.