Zastosowanie modelowania neuronowego do analizy wpływu depresatorów na lepkość surowego oleju rzepakowego

Celem pracy była budowa modelu neuronowego do analizy wpływu zastosowanych dodatków-depresatorów przeznaczonych do oleju napędowego, na lepkość kinematyczną surowego oleju rzepakowego. W pracy przedstawiono wyniki analiz zastosowanych depresatorów, które były dawkowane do 3% objętości, w różnych temperaturach otoczenia. Temperatury zostały tak dobrane, aby odzwierciedlały rzeczywiste warunki pracy silników w ciągnikach rolniczych i oscylowały od - 10°C do + 30°C (ze stopniowaniem o 5°C). Wytworzony model neuronowy miał za zadanie prognozować lepkość surowego oleju rzepakowego uwzględniając trzy parametry: rodzaj zastosowanego dodatku-depresatora, stężenie objętościowe oraz temperaturę otoczenia, w której mieszanina była poddawana badaniu na lepkość. Wyniki analizy wrażliwości sieci wskazały, że największy wpływ na lepkość ma temperatura otoczenia.

---

The aim of the work was to build the neural model of analysis influences applied depressers of diesel oil on the viscosity of raw rapeseed oil. The analyse showed results applied depressers which were dosed to 3% volumes in the various temperatures of surroundings. The chosen temperatures showed the real conditions of the work of engines reflected in agricultural tractors and oscillated from -10°C to +30°C (with graduating about 5°C). There were three parameters predicted: kind applied depresatora, volumetric concentration and the temperature of the surroundings which in investigated viscosity of mixture. It results from the study that the temperature of surroundings had the largest influence on viscosity of raw rapeseed oil.