Applications of Artificial Neural Network models to Energetic and Propulsion Systems

Il presente lavoro di ricerca è incentrato sull'applicazione di modelli alle reti 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 motore Stirling, che costituisce un sistema di Microcogenerazione, in applicazioni di edilizia residenziale. Queste due tecnologie, nei rispettivi contesti applicativi, contribuiscono all'inquinamento delle aree urbane, a causa delle loro emissioni nocive per la salute umana. Vi è quindi la necessità di ridurre le emissioni, in contrasto con le aspettative dei clienti, che richiedono prodotti con prestazioni sempre più elevate 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 nella gestione dei sistemi energetici, in quanto consente di ridurre al minimo le prove sperimentali e permette di prevedere il comportamento di tali tipologie di sistemi. Tra i modelli presenti in letteratura sono state implementate Reti Neurali Artificiali di tipo Feed-Forward, che hanno una struttura funzionale continua, tempi di calcolo ridotti e sono adatte come funzioni obiettivo in algoritmi di ottimizzazione. Nel caso del motore diesel, vengono sviluppati modelli alle reti neurai artificiali per dedurre una previsione del consumo specifico di carburante, della pressione media indicata (IMEP), delle emissioni di NOX e di particolato solido. L'addestramento delle Reti Neurali Artificiali è stato effettuato sulla base di dataset sperimentali, rappresentativi dell'intero piano operativo, derivanti da campagne sperimentali condotte antecedentemente al presente lavoro di ricerca. I modelli ottenuti mostrano buona continuità e generalizzabilità, con coefficienti di correlazione compresi tra 0,97 e 0,99, e sono adatti per essere implementati nella centralina controllo motore. Nel caso del sistema di microcogenerazione, i modelli di Rete Neurale Artificiale sono stati concepiti come parte di un software integrato per la telegestione dell'intero impianto. Tali modelli, inseriti all'interno di un software integrato, riescono a simulare efficacemente il comportamento del sistema caldaia e ad ottimizzare parametri come la quantità di combustibile e il tasso di carico per ottenere le prestazioni desiderate, in termini di efficienza ed emissioni di CO2. I vantaggi derivanti dall'implementazione del software integrato per la gestione del cogeneratore portano a risparmi energetici fino al 40% attraverso l'utilizzo e la teleregolazione di valvole termostatiche elettroniche; una riduzione dallo 0,3% al 2,0% del consumo specifico di metano in caldaia e una riduzione dal 10% al 20% delle emissioni inquinanti. [a cura dell'Autore]