بهینه سازی پارامترهای الگوریتم ژنتیک برای تعیین ضرایب مدل سینتیکی احتراق متان و هوا

توسعه مدل­های سینتیکی برای سوخت­ های جدید نیازمند بهینه ­سازی پارامترهای سرعت واکنش­هاست که در این میان الگوریتم ژنتیک کارایی بالایی دارد. از آنجایی که انتخاب پارامترهای مناسب جمعیتی و تولید مثل (تعداد جمعیت، احتمال ترکیب و احتمال جهش) در الگوریتم ژنتیک تاثیر زیادی بر دستیابی به ضرایب سینتیکی بهینه و نیز در سرعت همگرایی روش دارد، مقاله حاضر به بررسی اثر این پارامترها در حالت­های مختلف در بهینه ­سازی­ های مربوط به یک مدل سینتیکی معتبر به ­عنوان ساختار مکانیسم در احتراق متان و هوا در داخل راکتور همزده پرداخته و سپس با استفاده از تحلیل آماری، بهترین پارامترهای الگوریتم ژنتیک را برای به ­دست آوردن پارامترهای سینتیکی گزارش کرده است. از میان پارامترهای الگوریتم ژنتیک، بیشترین تاثیر ناشی از احتمال جهش بوده که مقدار بهینه آن ۰/۰۰۱ به­ دست آمد و در رتبه بعدی تاثیر، جمعیت با تعداد بهینه ۱۶ قرار گرفت. برای بررسی بیشتر اعتبار مدل بهینه­ شده، از مدل شعله پیش­ اختلاطی استفاده شد که نتایج آن، از لحاظ توزیع اجزای شیمیایی در طول شعله، تطابق کامل با مدل سینتیکی اصلی داشت.