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

نویسندگان

1 دانشکده مهندسی شیمی، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی

2 دانشگاه صنعتی سهند، دانشکده مهندس شیمی، مرکز تحقیقات مهندسی محیط زیست

چکیده

توسعه مدل­های سینتیکی برای سوخت­ های جدید نیازمند بهینه ­سازی پارامترهای سرعت واکنش­هاست 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 تأثیر زیادی بر دستیابی به ضرایب سینتیکی بهینه و نیز در سرعت همگرایی روش دارد، مقاله حاضر به بررسی اثر این پارامترها در حالت­های 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 تأثیر ناشی از احتمال جهش بوده که مقدار بهینه آن 0/001 به­ دست آمد و در رتبه بعدی تأثیر، 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.

کلیدواژه‌ها


عنوان مقاله [English]

Optimization of Genetic Algorithm Parameters for Determination of Kinetic Model Coefficients of Methane/Air Combustion

نویسندگان [English]

  • سید مهدی هدایت زاده 1
  • محمد سلطانیه 1
  • اسماعیل فاتحی فر 2
  • امیر حیدری نسب 1
  • محمدرضا جعفری نصر 1
چکیده [English]

Development of kinetic model for new fuels requires optimization of rate parameters of chemical reactions and for this purpose, genetic algorithm (GA) has great capabilities. Since the GA population and breeding parameters (e.g. population, crossover probability, and mutation probability) deeply affect the approach to the optimum point and convergence rate toward it, in this paper the effects of those GA parameters in the optimization of a valid kinetic model for combustion of methane/air, as base mechanism, within perfectly stirred reactors studied and then by using statistical analysis the optimum GA parameters have been determined. The mutation probability has the greatest effect with the optimum value of 0.001and then population stands in the next place with optimum value of 16. In order to validate the optimized model, it was used in the simulation of a premixed flame where concentration profile of selected species match perfectly with those of the original model.

کلیدواژه‌ها [English]

  • Genetic algorithm
  • Optimized kinetic model
  • Perfectly-stirred reactor
  • Premixed flame
  • Combustion