Бу изилдөө, %60 н-пентанол жана %40 дизел йакыт карышымыйла кызматкер сыкыштырма атешлемели бир кыймылдаткычун перформансыны, йанма зомбулукини жана егзоз емисйонларыны үч кыймылдаткыч контрол өзгөркенинден божомол етмек үчүн маалымат сетинден көз карандысыз бир макине өгренмеси алкакси гелиштирмиштир. Изилдөөда догруланмыш үч өлчөөлу хесапламалы акышканлар динамиги модельийле үретмененн 431 маалымат өрнеги колдонулган; емме басынжы, емме сыжаклыгы жана пүскүртме басынжындан индике термалдык маалыматм, ешмаани индике өзгүл йакыт керектөөи, йанма чынлама зомбулуки, НО_x, мекеме, ЖО жана ЖО₂ маанилери божомол едилмиштир. Чок катманлы алгылайыжы синир агы генел катары ен ийгиликтүү модель олуркен йанма чынлама зомбулуки жана НО_x үчүн дестек вектөр макинеси щелочьы өлчүтлерде чакан бир үстүнлүк гөстермиштир. Ошондой болсо да изилдөө укукем маанилендирмесинден кечмемиштир; билим берүү маалыматлери йени көз карандысыз кыймылдаткыч экспериментлеринден эмес, дагы мурда догруланмыш бир CFD модельинден үретилмиштир жана системин фарклы көз карандысыз маалымат сетлериндеки генелленебилирлиги түздөн-түз гөстерилмемиштир.

Беш аудитли өгренме модельи каршылаштырылмыштыр: чок катманлы алгылайыжы синир агы (мултилайер пержептрон, MLP), кокус орман (рандом форест, РФ), ашыры градйан артырма (XGBoost), дестек вектөр макинеси (сууппорт вежтор мажхине, SVM) жана к-ен йакын комшу (к-неарест неигхборс, KNN). Вери мисаллеринин %80’и билим берүү, %20’си тест үчүн бөлүнгөн; өлчеклейижи гана билим берүү маалыматсине уйдуруларак маалымат сызынтысы азалтылмайа чалышылмыштыр.

MLP модельи индике термалдык маалыматмде Р² = 0,9491, ешмаани индике өзгүл йакыт керектөөинде Р² = 0,9439, мекемеда Р² = 0,9513, ЖО’да Р² = 0,9612 жана ЖО₂’де Р² = 0,8983 маанилерине улашмыштыр. Йанма чынлама зомбулукинде SVM’нин Р² маании 0,8959, MLP’нин маании 0,8953’түр. НО_x үчүн SVM Р² = 0,8856 менен MLP’нин 0,8791 мааниинин сыраз үзеринде калган.

Изилдөөдө ен ылайык катары суунулан гириш кошуллары 1,2 бар емме басынжы, 353 К емме сыжаклыгы жана 125 МПа пүскүртме басынжыдыр. Бул ноктада CFD симүласйону %47,68 индике термалдык маалыматм, 170,83 г/кWх ешмаани индике өзгүл йакыт керектөөи, 4,8609 MW/m² йанма чынлама зомбулуки, 0,29 г/кWх НО_x, 0,0052 г/кWх мекеме, 16,48 г/кWх ЖО жана 279,38 г/кWх ЖО₂ вермиштир. MLP божомоллери маалыматм, йакыт керектөөи, ЖО жана ЖО₂ үчүн симүласйона чок йакынкен НО_x жана чынлама зомбулукиндеки фарклар дагы чоңтүр.

Гелиштирмененн Python/Django арайүзү кулланыжыларын CSV же XLSX досйаларыны йүклемесине, гириш жана максат түркүкларыны сечмесине, модельлери кайра егитмесине, Р², MAE жана RMSE натыйжаларыны гөрүнтүлемесине жана белирленен кыймылдаткыч кошуллары үчүн анлык божомол үретмесине имкâн вермектедир. “Gerçek zamanlı” ифадеси бурада егитилмиш модельин хызлы божомол йапмасыны анлатмактадыр; изилдөө кыймылдаткыч контрол үнитесине багланмыш капалы чевримли бир герчек заманлы кыймылдаткыч контролү көрсөтпөйт.

Изилдөөнын негизги сорусуу недир?

Изилдөөнын негизги сорусуу, %60 н-пентанол камтыган жогорку катышлы бир н-пентанол/дизел карышымынын төмөн йүктеки кыймылдаткыч перформансы жана емисйонларынын, узак мөөнөтн йени экспериментлер же хер изилдөө ноктасы үчүн кайра йүрүтүлен CFD хесапламалары олмадан йетерли тактыкла божомол едилип едмененмейежегидир.

Изилдөө дагы өзел катары шу сорулара йаныт арамактадыр:

• Емме басынжы, емме сыжаклыгы жана пүскүртме басынжы кулланыларак йеди кыймылдаткыч чыктысы айны анда божомол едмененбилир ми?
• Беш фарклы макине өгренмеси алгоритмасындан хангиси генел катары ен ийи сонужу маалыматр?
• Егитилмиш модель, CFD’нин йерине дагы хызлы бир векил модель катары кулланылабилир ми?
• Вери жана максат түркүклары сабит кодланмадан, фарклы изилдөөжыларын өз маалымат сетлерини йүклейебмененжеги бир арайүз олуштурулабилир ми?
• Белирли кыймылдаткыч кошулларында маалыматм, керектөө, чынлама жана емисйонлар бирликте кабул едмененбилир деңгээлде тутулабилир ми?

Изилдөө себеп өнемлидир?

Бир сыкыштырма атешлемели кыймылдаткычун емме басынжы, емме сыжаклыгы, пүскүртме басынжы, пүскүртме заманламасы, йүкү жана йакыт бмененшими бирбирини еткмененйен чок саныда өзгөркен олуштурур. Хер комбинасйонун экспериментсел катары өлчүлмеси; кыймылдаткычун карарлы абала гелмесини, йакыт керектөөи жана басынч маалыматлеринин кайдедилмесини жана егзоз нумунесинин талдоо едилмесини геректирир. Йүксек чөзүнүрлүклү CFD симүласйонлары да йанма кимйасы, пүскүртме бөлүнүүсы жана емисйон модельлери себепийле өнемли хесаплама мөөнөтси түкетир.

Макине өгренмеси, мурдаден олуштурулмуш бир маалымат сетиндеки илишкийи өгренерек йени бир гириш комбинасйонунун оласы натыйжаларыны чок дагы кыса мөөнөтде хесаплайабилир. Бул йаклашым физиксел кыймылдаткычун же CFD модельинин йерине кечмектен чок, дагы мурда догруланмыш маалымат аланы үчүнде кызматкер бир векил модель олуштурмайы амачламактадыр.

Н-пентанол себеп изилденген?

н-Пентанол, дизелле карышабмененн кычкылтекли бир жогорку алкогольдүр. Изилдөөнүн гириш бөлүмүнде н-пентанолүн энергия йогунлугунун етанол жана бүтанол сыяктуу дагы төмөн алкогольлере боюнча дизел йакытына дагы йакын экени, дизелле ийи карыштыгы жана деполама сырасында фаз айрышмасына каршы боюнчаже дайаныклы экени белиртилмектедир.

Йакытын өз молекулярдык түзүлүшсында кычкылтек булунмасы, йакытча зенгин бөлгелерде мекеме олушумуну азалтабмененжек бир өзеллик катары бааланат. Ошондой болсо да жогорку н-пентанол катышлары, йакытын тутушма жүрүм-турумыны, бухарлашмасыны, цилиндр басынч өсүшыны жана йакыт керектөөини де өзгөртиребилир. Ошондуктан бир гана чыктыйы иймененштирмек йетерли эмес; маалыматм, керектөө, йанма зомбулуки жана фарклы емисйонларын бирликте маанилендирилмеси герекир.

Литератүрде ханги бошлук максатленмиштир?

Макаланин литератүр маанилендирмесине боюнча, дагы төмөн н-пентанол катышларыйла же башка бийойакыт карышымларыйла макине өгренмеси уйгуламалары булунмасына рагмен %60 н-пентанол камтыган P60D40 карышымынын төмөн йүк кошулларында емме басынжы, емме сыжаклыгы жана пүскүртме басынжы бирликте өзгөртирмененрек капсамлы бичимде модельленмеси чектелгендыр.

Изилдөөжылар ики негизги бошлук танымдуулукламыштыр:

1. %60 н-пентанол карышымы үчүн үч контрол өзгөркенини жана йеди кыймылдаткыч чыктысыны бирликте камтыган гениш бир төмөн йүк маалымат сетинин булунмамасы.
2. Модел билим берүүини, салыштырууйы, божомол үретимини жана маалымат дыша акажыл чарбаыны айны ортамда суунан, бир гана сабит маалымат сетине баглы олмайан герчек заманлы карар дестек арайүзүнүн ексиклиги.

Макаланин бир бөлүмүнде “алты макине өгренмеси модельи” ифадеси колдонулушуна рагмен ыкма, таблолар, графиклер жана программалык камсыздоо арайүзү гана беш модельи аныктайт. Алтынжы бир алгоритманын ады, хиперпараметреси же сонужу маалыматлмемиштир. Ошондуктан изилдөөнүн иш жүзүндө беш модель каршылаштырдыгы кабул едилмелидир.

CFD маалымат сети насыл түзүлгөн?

Макине өгренмеси модельлеринин билим берүү маалыматси түздөн-түз йени бир кыймылдаткыч тест кампанйасындан эмес, CONVERGE в3.0 кулланыларак олуштурулмуш үч өлчөөлу бир CFD модельинден елде едилмиштир. Модел, дөрт цилиндрли, дөрт заманлы жана електроник контроллү бир дизел кыймылдаткычу темсил етмектедир.

Хесаплама малийетини азалтмак үчүн йанма одасынын 45 дережелик сектөрү модельленмиштир. Темел клетка өлчөөу 3 мм катары белирленмиш, енжектөр нозулу айланасинде икинжи севийе уйарланабилир аг инжелтмеси колдонулган.

Йазарлар CFD модельинин мурдаки изилдөөларында экспериментсел маалыматлерле олумлу уйум гөстердигини билдирмектедир. Ошондой болсо да учурдагы макаладе йени бир экспериментсел текшерүү графиги же йени хам кыймылдаткыч тести маалыматси суунулмамыш; мурдаки текшерүүйа атыф түзүлүшлмыштыр. Ошондуктан макине өгренмесинин догрулугу, негизги CFD модельинин догрулугундан көз карандысыз эмес.

Кыймылдаткыч ханги кошулларда чалыштырылмыштыр?

Вери үретими төмөн йүк кошулунда герчеклештирилмиштир:

• Кыймылдаткыч деври: 1.500 дев/дак
• Индике орталама ефектиф басынч: болжол менен 3,8 бар
• Топлам йакыт энергияси: чеврим башына 400 Ж
• Егзоз газы девридаими: %0
• Емме басынжы аралыгы: 1,1-1,4 бар
• Емме сыжаклыгы аралыгы: 343-353 К
• Пүскүртме басынжы аралыгы: 75-125 МПа

Чеврим башына йакыт энергиясинин 400 Ж’де сабит тутулмасы, фарклы гириш кошулларынын айны болжол менен кыймылдаткыч йүкүнде каршылаштырылмасыны сагламайы амачламыштыр. EGR’нин %0 тутулмасы исе емме термодинамигинин еткисини егзоз газы сейрелтмесийле карыштырмамак үчүн сечилмиштир.

Гиришлер жана максат чыктылар нелердир?

Йанма чынлама зомбулуки, цилиндр ичи басынжын чок хызлы йүкселмесийле корреляциятуу акустикалык жана меканик йанма зомбулукини темсил етмектедир. Даха жогорку РЫ маании, дагы серт жана потансийел катары дагы рискли бир йанма жүрүм-турумына ишарет едер.

Ханги изилдөө нокталары маалымат сетинден чыкарылмыштыр?

Макине өгренмеси маалымат сетинин олуштурулмасы сырасында ашагыдаки чек аралары ашан изилдөө нокталарынын дышландыгы белиртилмектедир:

• EISFC &гт; 240 г/кWх
• НО_x &гт; 0,4 г/кWх
• Мекеме &гт; 0,01 г/кWх
• РЫ &гт; 8 MW/m²

Бу филтрелеме, модельлерин текник ачыдан кабул едмененмез гөрүлен изилдөө нокталарына эмес, мурдаден белирленен уйгуланабилир бөлгейе көңүл топтоосыны сагламыштыр. Бирок бунун өнемли бир йорум чек араы бар: Модел, филтреленен чек аралардын дышындаки жогорку емисйонлу же зомбулукли йанма кошулларыны өгренмемиш болушу мүмкүн. Демек ишенимли изилдөө бөлгесинин дышына ташан гиришлер үчүн божомол ишенимдүүлиги гөстерилмемиштир.

Арайүзүн маалымат жазуу екранында 8 MW/m²’нин же 0,4 г/кWх НО_x мааниинин үзериндеки щелочьы мисаллер гөрүнмектедир. Бул екранын филтреленмиш P60D40 билим берүү маалымат сетини ми же программалык камсыздооын маалымат йүклеме ишлевини гөстермек үчүн колдонулган фарклы бир мисал досйайы мы темсил еттиги ачыкланмамыштыр.

Макине өгренмеси-CFD иш акышы насыл курулмуштур?

Изилдөөнүн биринчи шекли беш ашамалы бир иш акышы көрсөтөт:

1. Емме басынжы, емме сыжаклыгы жана пүскүртме басынжы үчүн чек аралардын белирленмеси.
2. Бу гириш комбинасйонларынын CFD менен чалыштырыларак кыймылдаткыч чыктыларынын үретилмеси.
3. CFD маалымат сетийле MLP, РФ, XGBoost, SVM жана KNN модельлеринин егитилмеси.
4. Божомоллерин CFD натыйжаларыйла Р², MAE жана RMSE аркылуу каршылаштырылмасы.
5. Сечмененн модель жана арайүзле анлык кыймылдаткыч перформансы жана емисйон божомоли түзүлүшлмасы.

Сүрөтде илк изилдөө нокталарынын олуштурулмасында генэтикалык алгоритма ифадеси орун алат. Бирок генэтикалык алгоритманын попүласйон өлчөөу, амач фонксийону, чапразлама, мутасйон же дурдурма өлчүтлери ыкма бөлүмүнде ачыкланмамыштыр. Ошондуктан генэтикалык алгоритманын маалымат нокталарыны там катары насыл сечтиги кайра үретмененбилир деңгээлде маалыматлмемиштир.

Чок катманлы алгылайыжы синир агы насыл изилдөөктадыр?

MLP, үч кыймылдаткыч гиришини бирбирине баглы гизли катманлардан кечиререк йеди кыймылдаткыч чыктысындаки догрусал олмайан илишкмененри өгренмектедир. Бир нөронун чыктысы изилдөөдө шу бичимде маалыматлмиштир:

\[ MLP = \phi\left(\sum_{j=1}^{n} w_jx_j+b\right) \]

\[ \phi(x)=\max(0,x) \]

Бурада x_ж гириш өзгөркенини, w_ж өгренмененн агырлыгы, б сапма теримини жана φ догрултулмуш догрусал бирим (ReLU) активасйонуну көрсөтөт. ReLU, негатиф маанилери сыфыра дөнүштүрүркен позитиф маанилери корур.

Изилдөөдө ики гизли катманын хер биринде 100 нөрон пайдаланылган. Моделин ен көп 2.000 йинелеме изилдөөсына изин маалыматлмиш жана кокуслик тохуму 42 катары белирленмиштир.

Растгеле орман модельи насыл божомол үретмектедир?

Растгеле орман, айны маалымат сетинин фарклы мисаллем жана өзгөркен алт күмелерийле чок саныда карар агажы курар. Регресйон божомоли агач чыктыларынын орталамасыйла елде едилир:

\[ \hat{y}=\frac{1}{M}\sum_{m=1}^{M}T_m(x) \]

М жалпы карар агажы саны, Т_м(x) исе м’инжи агажын x гириши үчүн үреттиги божомолдир. Изилдөөдө 100 агач пайдаланылган. Хер йапрак үчүн ен аз бир мисал, бөлүнме үчүн ен аз ики мисал жана боотстрап мисаллемеси сечилмиштир.

XGBoost модельи насыл изилдөөктадыр?

XGBoost, карар агачларыны бирбиринден көз карандысыз курмак йерине ардышык бичимде еклер. Хер йени агач мурдаки агачларын хаталарыны азалтмайа чалышыр. Амач фонксийону шу бичимде маалыматлмиштир:

\[ L = l(y,\hat{y})+\sum_{k=1}^{K}\Omega(f_k) \]

л(й,\хат{й}) герчек жана божомол едмененн маани арасындаки кайбы, Ω(ф_к) исе к’инжи агажын кармашыклыгыны жезаландыран дүзенлмененштирме теримини темсил едер. Бөйлеже гана билим берүү хатасыны азалтан эмес, герексиз дережеде кармашыклашмайан бир модель амачланыр.

Изилдөөдө каре хата регрессия амажы, 0,3 өгренме катышы жана 100 агач пайдаланылган.

Дестек вектөр макинеси насыл пайдаланылган?

SVM, гирдмененр менен максат чыктылар арасындаки илишкийи белирли бир каталарга чыдамдуулук үчүнде болжол менен катары танымдуулуклайан бир регрессия йүзейи олуштурур. Макаладе догрусал чекирдек үчүн шу негизги илишки маалыматлмиштир:

\[ F(X_i,X_j)=X_i\cdot X_j \]

X_и жана X_ж гириш вектөрлеридир. Бирок герчек модельде догрусал чекирдек йерине радйал табанлы фонксийон (RBF) чекирдеги пайдаланылган. RBF чекирдеги догрусал олмайан кыймылдаткыч жүрүм-турумларыны темсил едебилир.

SVM үчүн Ж = 1, ε = 0,1 жана гамма = “scale” катары быракылмыштыр.

К-ен йакын комшу божомоли насыл түзүлүшлмыштыр?

KNN, йени бир кыймылдаткыч кошулуну билим берүү маалыматсиндеки ен бензер изилдөө нокталарыйла каршылаштырыр жана комшу чыктыларын агырлыклы орталамасыны кулланыр:

\[ \hat{y}_i=\sum_{j=1}^{k}w_{ij}y_{ij} \]

\[ \sum_{j=1}^{k}w_{ij}=1 \]

й_иж и’инжи йени өрнегин ж’инжи ен йакын комшусуундаки көзленен чыкты, w_иж исе о комшуйа маалыматлен агырлыктыр. Изилдөөдө к = 5 сечилмиш жана йапрак өлчөөу 30 катары белирленмиштир.

Модел билим берүүи насыл герчеклештирилмиштир?

Топлам 431 маалымат өрнегинин %80’и билим берүү жана %20’си тест үчүн кокус бөлүнгөнтыр. Бул катыш болжол менен катары 345 билим берүү жана 86 тест өрнегине каршылык гелмектедир; PDF там саны дагылымыны айрыжа вермемектедир.

Гириш жана максат өзгөркенлеринин өлчеклери бирбиринден чоң өлчүде фарклыдыр. Мисалы емме басынжы 1,1-1,4 аралыгында, пүскүртме басынжы 75-125 МПа аралыгында, мекеме исе бинде бирлер деңгэколундадир. Өлчек фаркынын өгренмейи йөнлендирмемеси үчүн бүтүн гиришлер жана максатлер стандартлаштырылмыштыр.

Өлчеклейижинин гана билим берүү маалыматсине уйдурулмасы, тест маалыматсинин орталама же стандарттык четтөө билимсинин билим берүү ашамасына сызмасыны өнлемейи амачламактадыр.

Хиперпараметрелер нелердир?

Макала хиперпараметрелерин “titizlikle ayarlandığını” ифаде етсе де капсамлы бир грид сеаржх, рандом сеаржх, Байес оптимизасйону же чапраз текшерүү натыйжалары суунмамактадыр. Бирчок параметренин варсажылан мааниде быракылдыгы белгиленген. Демек модель салыштыруусы, хер алгоритманын улашабмененжеги мутлак ен ийи түзүлүшдан чок сечмененн белирли түзүлүшландырмаларын салыштыруусыдыр.

Р², MAE жана RMSE нейи өлчмектедир?

Модел перформансы үч өлчүтле маанилендирилмиштир.

Белирлеме коэффициентсы

PDF’де Денклем 6 шу бичимде дизилмиштир:

\[ R^2=1-\frac{\sum_{k=1}^{N}(y_k-\hat{y}_k)}{\sum_{k=1}^{N}(y_k-\bar{y})} \]

Дизги эскертүүсы: Басылы денклемде фаркларын карелери гөрүнмемектедир. Бул бичим, метинде ачыкланан стандарт Р² танымдуулукыйла ылайык эмес. Изилдөөнүн мантыгыны түшүндүрмөк үчүн стандарт илишки шу бичимде дүшүнүлүр:

\[ R^2=1-\frac{\sum_{k=1}^{N}(y_k-\hat{y}_k)^2}{\sum_{k=1}^{N}(y_k-\bar{y})^2} \]

й_к герчек маани, ŷ_к модель божомоли, ȳ герчек маанилерин орталамасы жана Н мисал саныдыр. Р²’нин 1’е йаклашмасы, модельин маалымат өзгөркенлигинин дагы чоң бөлүмүнү ачыкладыгыны көрсөтөт.

Орталама мутлак хата

\[ MAE=\frac{1}{n}\sum_{k=1}^{n}|y_k-\hat{y}_k| \]

MAE, бүтүн божомол хаталарынын мутлак чоңлүгүнү орталар. Хедеф өзгөркен ханги биримдейсе MAE де айны биримдедир.

Көк орталама каре хата

PDF’де Денклем 8 шу бичимде гөрүнмектедир:

\[ RMSE=\sqrt{\frac{1}{N}(y_k-\hat{y}_k)^2} \]

Дизги эскертүүсы: Денклемде мисаллер үзериндеки жалпы семболү гөрүнмемектедир. Метиндеки RMSE танымдуулукыны түшүндүрмөк үчүн стандарт бичим шөйледир:

\[ RMSE=\sqrt{\frac{1}{N}\sum_{k=1}^{N}(y_k-\hat{y}_k)^2} \]

Хаталар карейе алындыгы үчүн RMSE чоң хаталары MAE’йе боюнча дагы күчтүү бичимде жезаландырыр.

Ханги модель ен ийгиликтүү болгон?

MLP, йеди максатин бешинде ен жогорку Р² мааниини вермиштир. SVM исе йанма чынлама зомбулуки жана НО_x үчүн щелочьы өлчүтлерде чакан бир үстүнлүк сагламыштыр.

РЫ үчүн SVM’нин Р² жана RMSE маанилери MLP’ден аз фаркла дагы ийидир; бирок MLP’нин MAE маании 0,7106 менен SVM’нин 0,7376 мааниинден дагы төмөнтүр. Ошондуктан РЫ үчүн ханги модельин “en iyi” экени сечмененн өлчүте баглыдыр.

НО_x үчүн SVM үч өлчүтте де MLP’ден дагы ийи натыйжа вермиштир: Р² маании 0,8856’йа каршы 0,8791, MAE маании 0,0374’е каршы 0,0398 жана RMSE маании 0,0604’е каршы 0,0621’дир.

Дигер модельлер насыл перформанс гөстермиштир?

Растгеле орман маалыматм жана керектөөде күчтүү натыйжа үретмиш, бирок НО_x божомолинде Р² = 0,8032 менен MLP жана SVM’нин герисинде калган. XGBoost мекеме жана ЖО үчүн күчтүү олмасына рагмен MLP’йи кечемемиштир. KNN’нин маалыматм жана керектөө Р² маанилери болжол менен 0,89 деңгэколунда калмыш; изилдөөжылар генел божомол йетенегинин дигер модельлере боюнча дагы чектелген экенин маанилендирмиштир.

Tahmin-gerчек графиклеринде ханги егилимлер гөрүлмектедир?

MLP үчүн чизмененн йеди божомол-герчек графигинде идеал божомол, нокталарын 45 дережелик догру үзеринде топланмасыйла темсил едилмектедир. Индике термалдык маалыматм, йакыт керектөөи, мекеме жана ЖО нокталары бул догру айланасинде боюнчаже сыкы бичимде кластерленгентир.

Йанма чынлама зомбулуки жана НО_x графиклеринде өзелликле жогорку герчек маанилерде сачылма артмактадыр. Бул гөрсел егилим, бул ики өзгөркенин дагы төмөн Р² жана дагы жогорку боюнчали хаталара сахип олмасыйла ылайыкдур.

ЖО₂ графигинде генел догрусал егилим корунмакла бирликте щелочьы төмөн маанили мисаллер божомол догрусуундан дагы көп узаклашмыштыр. Графиктеки кырмызы көлөкөли бантларын статистикалык катары ишеним аралыгы мы, божомол аралыгы мы же гана регрессия гөрселлештирмеси ми экени метинде ачыкланмамыштыр.

Wеб арайүзү насыл изилдөөктадыр?

Изилдөөдө Пйтхон жана Джанго менен wеб табанлы бир график колдонуучу интерфейси гелиштирилмиштир. Систем мимарисинде шу операция акышы орун алат:

1. Кулланыжы кимлик текшерүүсы.
2. Йөнетижи йеткиси варса кулланыжы хесабы олуштурма, күнжеллеме же гөрүнтүлеме.
3. CSV же XLSX маалымат сети йүклеме, гөрүнтүлеме же силме.
4. Гириш өзелликлери жана максат түркүкларынын динамик катары окунмасы.
5. Егитим-тест катышынын кулланыжы тарафындан сечилмеси.
6. Беш макине өгренмеси модельинин кайра егитилмеси.
7. Р², MAE жана RMSE натыйжаларынын хесапланмасы.
8. Tahmin-gerчек графиклеринин йүкленмеси.
9. Белирли гиришлер үчүн анлык божомол үретилмеси.
10. Натыйжаларын CSV досйасы катары дыша өткөрүлүшү.

Йүклеме системи .жсв жана .xлсx бичимлерини кабул етмекте жана досйа чоңлүгүнү 10 МБ менен чек араламактадыр. Кулланыжы йүкленен маалымат сетини табло бичиминде өнизлейебилмекте, модельлерин хата өлчүтлерини боюнчабилмекте жана натыйжа графиклерини дыша актарабилмектедир.

“Вери сетинден көз карандысыз” не анлама гелмектедир?

Алкакнин маалымат сетинден көз карандысыз олмасы, программалык камсыздооын гана P60D40 маалымат түркүкларына сабитленмемеси анламына гелмектедир. Кулланыжы йени бир досйа йүкледигинде систем түркүклары динамик бичимде окуйабилмекте, гириш жана максат аланларыны сечебилмекте жана модельлери кайра егитебилмектедир.

Бирок макаланин божомол догрулугу гана 431 мисалли тек P60D40 маалымат сетинде өлчүлмүштүр. Фарклы кыймылдаткыч, йакыт, йүк, сенсөр же мекемелера аит көз карандысыз маалымат сетлерийле салыштыруулы бир генеллеме эксперименти суунулмамыштыр. Ошондуктан “маалымат сетинден көз карандысызлык”, догруланмыш евренсел модель догрулугундан чок программалык камсыздоо архитектурасынин еснеклигини ифаде етмектедир.

Коопсуздук жана кулланыжы йеткмененндирмеси насыл еле алынмыштыр?

Систем, догруланмыш кулланыжыларын гириш йапмасыны геректирен бир кимлик текшерүү меканизмасы камтыйт. Йалнызжа йөнетижмененр кулланыжы хесапларыны йөнетебилмектедир. Гириш йапан изилдөөжылар талдоо панелине йөнлендирилмекте жана маалымат сети операциялерини герчеклештиребилмектедир.

Бунунла бирликте макаладе парола саклама ыкмаи, шифрелеме, еришим күнлүгү, салдыры тести, рол табанлы йетки матрицаи же маалымат гизлилиги аудити укуккында текник ишенимлик тести маалыматлмемиштир. “Güvenli” сапаттыкемеси арайүзде кимлик текшерүү жана йөнетижи йеткиси булунмасына негизделет.

Ен ылайык изилдөө ноктасы насыл белирленмиштир?

Модел оптимизасйон арайүзүнде ен ылайык катары суунулан кыймылдаткыч гиришлери шунлардыр:

• Емме басынжы: 1,2 бар
• Емме сыжаклыгы: 353 К
• Пүскүртме басынжы: 125 МПа

Бу кошулда CFD симүласйону жана беш модельин божомоллери ашагыдаки сыяктуудир:

MLP бул изилдөө ноктасында CFD’йе не чейин йаклашмыштыр?

Бу салыштыруу MLP’нин ITE, EISFC, ЖО жана ЖО₂ үчүн CFD’йе чок йакын божомол вердигини көрсөтөт. Мекеме маанииндеки мутлак фарк чок чакан олмакла бирликте табан маани де чок чакан экени үчүн боюнчали фарк болжол менен %3,85’тир.

РЫ маании болжол менен %8,67 жогорку божомол едилмиш, НО_x исе болжол менен %20,38 төмөн божомол едилмиштир. Демек модельин “bütün çıktılarda %1-2 sapmayla” чалыштыгы сөйленемез.

Натыйжа бөлүмүнде ITE, EISFC, мекеме, ЖО жана ЖО₂ божомоллеринин %1-2 сапмайла уйуштугу белиртилмектедир. Таблица 5’е боюнча ITE, EISFC жана ЖО₂ фарклары %1’ин чок алтындадыр, ЖО болжол менен %1,10’дур, бирок мекемеун боюнчали фаркы болжол менен %3,85’тир. Ошондуктан метинсел генеллеме менен таблодаки мекеме маании арасында чакан бир уйумсуузлук бар.

Радар график не көрсөтөт?

Модел перформансынын айны изилдөө кошулундаки радар графигинде симүласйон, MLP, РФ, SVM, XGBoost жана KNN айны йеди ексенде каршылаштырылмыштыр. MLP егриси ITE, EISFC, мекеме, ЖО жана ЖО₂ ексенлеринде симүласйон шеклине йакын гөрүнмектедир.

НО_x жана РЫ ексенлеринде модельлер арасындаки айрышма дагы белиргиндир. Бирок радар графигиндеки хер ексен фарклы бирим жана фарклы өлчек кулландыгындан, чокген аланы жалгыз өзү генел башары өлчүтү катары йорумланмамалыдыр. Сайысал табло жана айры хата өлчүтлери дагы ишенимдүү салыштыруу суунмактадыр.

Өнжеки изилдөөнүн натыйжаларыйла учурдагы модель арасындаки айрым

Өзет бөлүмүнде %47,68 ITE, %98,76 НО_x азайышы жана Еуро ВЫ ылайыклугу ифаделери орун алат. Бирок учурдагы макаладе %98,76 НО_x азайышыны кайра хесаплайан бир негизги дизел салыштыруу таблосуу суунулмамактадыр. Бул маанилер йазарларын мурдаки P60D40 оптимизасйон изилдөөсынын жыйынтыктары катары актарылмактадыр.

Мевжут изилдөөнүн түздөн-түз каткысы, дагы мурда олуштурулан CFD маалымат аланыны макине өгренмеси модельлерине дөнүштүрмек жана wеб арайүзүнде хызлы божомол үретмектир. Ошондуктан мурдаки изилдөөнүн емисйон азалтымы, учурдагы макине өгренмеси модельинин көз карандысыз экспериментсел емисйон башарысы катары суунулмамалыдыр.

Айрыжа маалымат сети олуштурулуркен Еуро ВЫ же пратик чек аралары ашан изилдөө нокталарынын дышланмасы, герийе калан божомол бөлгесинин ылайык кошуллардан олушмасыны сагламактадыр. Бул ыкма, кыймылдаткычун хер кошулда Еуро ВЫ стандардыны каршыладыгыны жалгыз өзү канытламаз.

Изилдөөнүн күчтүү жактари нелердир?

• Үч контрол өзгөркенинден йеди кыймылдаткыч чыктысыны айны алкакде божомол етмектедир.
• Синир агы, агач табанлы, чекирдек табанлы жана комшулук табанлы беш фарклы алгоритмайы салыштырууктадыр.
• Вери сызынтысыны азалтмак үчүн өлчеклейижинин гана билим берүү маалыматсине уйдурулдугу белгиленген.
• Модел натыйжалары гана Р² менен эмес, MAE жана RMSE менен де маанилендирилмиштир.
• CFD жана модель божомоллери айны изилдөө ноктасында түздөн-түз каршылаштырылмыштыр.
• Вери йүклеме, модель егитме, график гөрүнтүлеме жана CSV дыша актарма ишлевлери тек wеб арайүзүнде бирлештирилмиштир.
• Йазылым, гириш жана максат түркүкларыны динамик катары окуйабмененжек бичимде тасарланмыштыр.
• Изилдөө, MLP’нин генел үстүнлүгүнүн йанында SVM’нин РЫ жана НО_x үчүн дагы ийи экени абаллары да ачыкча билдирмиштир.

Изилдөөнүн чектелгенлыклары нелердир?

• Изилдөө укукем маанилендирмесинден кечмемиш бир препринттир.
• Макине өгренмеси маалыматлери йени көз карандысыз кыймылдаткыч экспериментлеринден эмес, CFD симүласйонларындан үретилмиштир.
• CFD текшерүүсынын айрынтылары учурдагы макаладе кайра гөстерилмемиш, мурдаки изилдөөйа йөнлендирме түзүлүшлмыштыр.
• Вери сети гана 431 мисал камтыйт.
• Изилдөө гана 1.500 дев/дак, болжол менен 3,8 бар IMEP жана төмөн йүк кошулуну камтыйт.
• EGR гана %0’дыр; фарклы EGR катышлары өгренилмемиштир.
• Йакыт бмененшими сабит P60D40’тыр; модель фарклы н-пентанол катышларында тастыкталган эмес.
• Үч гириш өзгөркени дышында пүскүртме заманламасы, пүскүртме саны, йүк жана кыймылдаткыч деври модель гирдиси эмес.
• Вери аланы дышындаки гириш комбинасйонларында божомол ишенимдүүлиги маанилендирилмемиштир.
• Уйгунсууз изилдөө нокталарынын билим берүүден чыкарылмасы, модельин чек ара дышы кошуллары танымдуулука йетенегини азалтабилир.
• Йалнызжа бир гана кокус %80-%20 айырма пайдаланылган; к-катлы чапраз текшерүү же чоклу кокус бөлме сонужу маалыматлмемиштир.
• Хиперпараметре арамасынын капсамы айрынтылы катары суунулмамыштыр.
• Модел белирсизлиги, божомол аралыгы же ишеним чек араы сандык бичимде рапорланмамыштыр.
• Фарклы изилдөө групларындан алынан дыш маалымат сетлерийле датасет-агностиж перформанс тастыкталган эмес.
• Герчек кыймылдаткыч контрол үнитеси, сенсөр акышы, донанымдуулук дөнгүсү же капалы чеврим контрол эксперименти жасалган эмес.
• НО_x жана РЫ божомоллери, ен ылайык ноктада дигер чыктылара боюнча дагы жогорку боюнчали фарк гөстермиштир.
• Р² жана RMSE денклемлеринин басылы бичимлеринде математиксел дизги ексикликлери бар.
• Метинде бир йерде алты модель денмесине рагмен гана беш модель суунулмуштур.

Изилдөөнүн дестекледиги натыйжалар

• Сечмененн P60D40 CFD маалымат аланында беш макине өгренмеси модельи йеди кыймылдаткыч чыктысыны кулланылабилир тактыкта божомол едебилмиштир.
• MLP, максатлерин чогунда ен жогорку Р² жана төмөн хата маанилерийле генел катары ен күчтүү модель болгон.
• SVM, НО_x божомолинде MLP’ден дагы ийи натыйжа вермиштир.
• 1,2 бар, 353 К жана 125 МПа кошулунда MLP; ITE, EISFC, ЖО жана ЖО₂ үчүн CFD’йе йакын божомол үретмиштир.
• Макине өгренмеси модельи, йени CFD чалыштырмасына кыйасла егитилдиктен кийин дагы хызлы божомол үретебилир.
• Python/Django арайүзү маалымат йүклеме, кайра билим берүү, модель салыштыруу жана натыйжа дыша актарма ишлевлерини бир арайа гетирмиштир.

Изилдөөнүн канытламадыгы натыйжалар

• Моделин бүтүн сыкыштырма атешлемели кыймылдаткычларда кечерли экени гөстерилмемиштир.
• Алкакнин бүтүн йакыт карышымларында айны догрулугу корудугу канытланмамыштыр.
• Герчек заманлы кыймылдаткыч контрол үнитесинде капалы чевримли оптимизасйон герчеклештирилмемиштир.
• Макине өгренмеси модельи физиксел эксперимент же CFD ихтийажыны тамамен ортадан калдырмамактадыр.
• Моделин билим берүү аралыгы дышындаки изилдөө нокталарында ишенимли божомол вердиги гөстерилмемиштир.
• %60 н-пентанолүн бүтүн йүк жана девирлерде дизелден дагы маалыматмли же дагы темиз экени канытланмамыштыр.
• Мевжут изилдөө жалгыз өзү %98,76 НО_x азайышыны кайра текшерүүмыштыр.
• Филтреленен маалымат сети, кыймылдаткычун хер оласы изилдөө кошулунда Еуро ВЫ уйуму сагладыгыны көрсөтпөйт.
• Wеб арайүзүндеки кулланыжы гириши, капсамлы сибер ишенимлик текшерүүсы маанисин билдирбейт.

Гележектеки оласы еткиси недир?

Бу түр векил модельлер, алтернатиф йакыт гелиштирме мөөнөтжинде бинлерже оласы изилдөө ноктасынын мурда хызлы бичимде таранмасыны саглайабилир. Ен умут маалыматжи бөлгелер дагы кийин жогорку чечимдүүлүктөгү CFD же кыймылдаткыч тестлерийле догруланабилир. Бөйлеже пахалы экспериментлерин түм тасарым аланына ешит бичимде дагытылмасы йерине дагы максатли колдонулушу мүмкүн болушу мүмкүн.

Изилдөөнүн өз келечек планы, маалымат сетини дагы жогорку йүк кошулларыны ичережек шекилде генишканак жана арайүзе автоматтык оптимизасйон алгоритмалары еклемектир. Буна ек катары фарклы кыймылдаткыч деври, EGR катышы, пүскүртме заманламасы, чоклу пүскүртме стратежиси жана фарклы н-пентанол катышлары моделье дâхил едилирсе дагы капсамлы бир калибрация аражы олуштурулабилир.

Герчек уйгуламайа кечиш үчүн модельин көз карандысыз кыймылдаткыч экспериментлери, фарклы изилдөө мекемелерынын маалымат сетлери, белгисиздик талдоои жана кыймылдаткыч контрол донанымдуулукыйла онлайн тест едилмеси герекир.

Изилдөөнүн Ыкмаи жана Жыйынтыктары

Текник ыкма өзети

Темел жыйынтыктарын өзети

Текник натыйжалар бирликте маанилендирилдигинде MLP, генел кыймылдаткыч перформансы жана емисйон божомоли үчүн ен денгели модель катары өне чыкмактадыр. Ошондой болсо да бүтүн максатлерде айны алгоритмайы кулланмак зорунлу эмес. НО_x үчүн SVM, мекеме жана ЖО үчүн MLP сыяктуу максате өзгү модель тандоои дагы догру бир йаклашым болушу мүмкүн.

Булак жана Ыкма Ноту

Изилдөөнүн там оригиналдуу ады: А датасет-агностиж мажхине леарнинг фрамеwорк фор реал-тиме оптимизатион оф 60% н-Pentanol/diesel жомбустион ин жомпрессион игнитион енгинес

Йазарлар жана PDF’деки сыралары: Сундай Б. Огунжиде; Wенжун Зхонг; Отыныгууйо Абегунде; Тамиляселван Пажхианнан; Олуропо Ф. Даиро; Сундай А. Салимон; Олубунми Ф. Атилола; Зхиxиа Хе; Qиан Wанг.

Еш биринчи йазар же тең салым: PDF’де белиртилмемиштир.

Сорумлу йазар: Wенжун Зхонг.

Мекемесал корреляциялар:

1. Сжхоол оф Енергй анд Поwер Енгинееринг, Жиангсуу Университй, Зхенжианг 212013, Кытай.
2. Департмент оф Ележтрижал анд Ележтрониж Енгинееринг, Редеемер’с Университй, Еде 232102, Нигрунтйа.
3. Департмент оф Жомпутер Енгинееринг, Редеемер’с Университй, Еде 232102, Нигрунтйа.
4. Хангзхоу Ынтернатионал Ынноватион Ынституте, Беиханг Университй, Хангзхоу 311115, Кытай.
5. Ынституте фор Енергй Ресеаржх, Жиангсуу Университй, Зхенжианг 212013, Кытай.

Yazar-мекеме ешлешмелери: Сундай Б. Огунжиде: Жиангсуу Университй жана Редеемер’с Университй; Wенжун Зхонг: Жиангсуу Университй; Отыныгууйо Абегунде: Редеемер’с Университй Департмент оф Жомпутер Енгинееринг; Тамиляселван Пажхианнан: Беиханг Университй Хангзхоу Ынтернатионал Ынноватион Ынституте; Олуропо Ф. Даиро, Сундай А. Салимон жана Олубунми Ф. Атилола: Редеемер’с Университй; Зхиxиа Хе: Жиангсуу Университй Сжхоол оф Енергй анд Поwер Енгинееринг менен Ынституте фор Енергй Ресеаржх; Qиан Wанг: Жиангсуу Университй.

DOI: 10.2139/ссрн.6945187

Дерги: Укукемли бир дерги ады же кабул билимси бул PDF сүрүмүнде белиртилмемиштир.

Йайын платформу: SSRN.

Өзкүн йайыневи: Укукемли дерги йайыневи билимси тастыкталган эмес. SSRN, Елсевиер’ин препринт платформудур; бул абал дергиде йайымланмыш макала статүсү маанисин билдирбейт.

Белге жылы: 2026. Кесин расмий SSRN гөндерим күнү PDF аркылуу догруланамамыштыр.

Укукемлик абалы: Бул изилдөө бир препринттир жана укукем маанилендирмесинден кечмемиштир.

Булак түрү: CFD менен үретилмиш маалыматлер үзеринде макине өгренмеси салыштыруусы, оптимизасйон жана wеб табанлы карар дестек программалык камсыздооы гелиштирен препринт изилдөө макаласи.

Ресмî SSRN корреляциясы:https://papers.ssrn.com/sol3/papers.cfm?abstract_id=6945187

DOI корреляциясы:https://doi.org/10.2139/ssrn.6945187

Бу Түркче макала, йүкленен 32 бетлык PDF’нин метни, денклемлери, таблолары, модель графиклери, акыш дийаграмлары жана программалык камсыздоо арайүзү гөрселлери инжеленерек хазырланмыштыр. PDF дышында йени бир кыймылдаткыч эксперименти, емисйон сонужу, клиникалык же тижари башары иддиасы екленмемиштир. Дыш текшерүү гана DOI, SSRN кайды, платформ жана укукемлик абалынн библийографик контролү үчүн пайдаланылган.

Изилдөөнүн негизги ыкмасел чек аралары; билим берүү маалыматлеринин CFD’ден үретилмеси, тек кыймылдаткыч-йакыт-йүк аланына одакланылмасы, дыш маалымат сети текшерүүсынын булунмамасы, бир гана билим берүү-тест бөлүнмеси колдонулушу, модель белирсизлигинин рапорланмамасы жана герчек кыймылдаткыч донанымдуулукында капалы чевримли контрол гөстерилмемесидир.

Метинде “алты модель” денмесине рагмен гана беш модель суунулмасы, Р² жана RMSE денклемлериндеки дизги ексикликлери жана натыйжа бөлүмүндеки %1-2 сапма ифадесинин мекеме божомолийле там өртүшмемеси, изилдөөйы йорумларкен көңүл бурууе алынмасы герекен документ ичи тутарсызлыклардыр.

Препринт эскертүүсы: Бул изилдөө укукем маанилендирмесинден кечмемиш бир препринттир; натыйжалары бул чектелгенлык көңүл бурууе алынарак окунмалыдыр.