Applications of Artificial Neural Network models to Energetic and Propulsion Systems

Il presente lavoro di ricerca è incentrato sull'applicazione di modelli allereti neurali artificiali (ANN) per il calcolo delle prestazioni, dei consumi ,dell'efficienza e delle emissioni, nel caso di due diversi sistemi energetici:Motore Diesel, nel settore Automotive e Caldaia equipaggiata con motoreStirling, che costituisce un sistema di Microcogenerazione, in applicazioni diedilizia residenziale.Queste due tecnologie, nei rispettivi contesti applicativi, contribuisconoall'inquinamento delle aree urbane, a causa delle loro emissioni nocive per lasalute umana. Vi è quindi la necessità di ridurre le emissioni, in contrasto conle aspettative dei clienti, che richiedono prodotti con prestazioni sempre piùelevate e consumi inferiori.Spetta quindi a designer e produttori trovare il giusto compromesso,utilizzando la ricerca tecnologica e la modellazione.La modellazione risulta essere un valido strumento nello sviluppo e nellagestione dei sistemi energetici, in quanto consente di ridurre al minimo leprove sperimentali e permette di prevedere il comportamento di tali tipologiedi sistemi.Tra i modelli presenti in letteratura sono state implementate Reti NeuraliArtificiali di tipo Feed-Forward, che hanno una struttura funzionale continua,tempi di calcolo ridotti e sono adatte come funzioni obiettivo in algoritmi diottimizzazione.Nel caso del motore diesel, vengono sviluppati modelli alle reti neuraiartificiali per dedurre una previsione del consumo specifico di carburante,della pressione media indicata (IMEP), delle emissioni di NOX e diparticolato solido. L'addestramento delle Reti Neurali Artificiali è statoeffettuato sulla base di dataset sperimentali, rappresentativi dell'intero pianooperativo, derivanti da campagne sperimentali condotte antecedentemente alpresente lavoro di ricerca.I modelli ottenuti mostrano buona continuità e generalizzabilità, concoefficienti di correlazione compresi tra 0,97 e 0,99, e sono adatti per essereimplementati nella centralina controllo motore.Nel caso del sistema di microcogenerazione, i modelli di Rete NeuraleArtificiale sono stati concepiti come parte di un software integrato per latelegestione dell'intero impianto.Tali modelli, inseriti all'interno di un software integrato, riescono asimulare efficacemente il comportamento del sistema caldaia e ad ottimizzareparametri come la quantità di combustibile e il tasso di carico per ottenere leprestazioni desiderate, in termini di efficienza ed emissioni di CO2.I vantaggi derivanti dall'implementazione del software integrato per lagestione del cogeneratore portano a risparmi energetici fino al 40% attraversol'utilizzo e la teleregolazione di valvole termostatiche elettroniche; unariduzione dallo 0,3% al 2,0% del consumo specifico di metano in caldaia euna riduzione dal 10% al 20% delle emissioni inquinanti. [a cura dell'Autore]