Zastosowanie symulacji neuronowych i algorytmów logiki rozmytej dla opisu nieliniowych zależności we właściwościach benzyn silnikowych zawierających w swoim składzie bioetanol

Technika modelowania sieciami neuronowymi używana jest powszechnie do badania skomplikowanych funkcji (optymalizacja zysku przedsiębiorstw, badanie celowości inwestycji itp.) i zjawisk obserwowanych w przyrodzie (optymalizacja procesów chemicznych, przewidywanie wyników nowatorskich eksperymentów), których opisanie za pomocą wzorów jest skomplikowane, niepowtarzalne i niejednoznaczne. Takie problemy występują przy opisie właściwości paliw węglowodorowych, a szczególnie benzyn silnikowych zawierających związki tlenowe, np. etanol. Zastosowanie do badania tych zależności i tworzenia modelu danych uzyskanych przy pomocy wielu metod badawczych wskaże wyraźniej czynniki wpływające na nieliniowe właściwości benzyn silnikowych. W niniejszej pracy wykorzystano dane uzyskane w projekcie INiG 953/TP/2010 pt.: Opracowanie technologii i wdrożenie do produkcji bezołowiowej benzyny silnikowej E10. Przeanalizowano też wyniki badań szeregu próbek paliw pochodzących z różnych źródeł (o różnym składzie) mieszczących się w zakresie składów benzyn dostępnych na rynku paliw. Szacowanie istotnych, ale nieliniowych właściwości, benzyny silnikowej zawierającej związki tlenowe przy wykorzystaniu sieci neuronowych może być użytecznym narzędziem pomocnym producentowi tego gatunku paliwa. W artykule zwrócono uwagę na potencjalne możliwości wykorzystania systemów hybrydowych (łączące logikę rozmytą, sieci neuronowe, algorytmy genetyczne i systemy eksperckie) przy opisie i wyjaśnianiu prawidłowości rządzących zależnościami występującymi pomiędzy właściwościami benzyn silnikowych.

---

Modeling techniques of neural networks are widely used to study complex functions (optimization of corporate profits, study the advisability of investment, etc.) and the phenomena observed in nature (optimization of chemical processes, to predict the results of innovative experiments), which are complex, unique and ambiguous to describe. Such problems occur indescribing the properties of hydrocarbon fuels, particularly motor gasoline containing oxygenates, such as ethanol. Application to the study of these relationships and creating a model using data from multiple research methods clearly shows the factors influencing the nonlinear properties of motor gasoline. The project uses data obtained from the project INiG 953/TP/2010 Fri Development and implementation of technologies for the production of unleaded motor gasoline E10. Also analyzed are the results of a series of fuel samples from different sources (with different composition), which are within the gasoline depots of fuel available on the market. Estimating significant, but non-linear properties, motor gasoline containing oxygenates using a neural network can be a useful tool for the producer of this grade of fuel.