Trabajo de investigaciónEnfoque de sistema de inferencia neuro-fuzzy adaptativo (ANFIS) para el análisis de irreversibilidad de un sistema de refrigerador doméstico usando nanolubricante LPG/TiO 2

Este trabajo presenta una metodología de inteligencia artificial adaptativa neuro-fuzzy inference system (ANFIS) de predicción de la eficiencia de 2ª ley y de la irreversibilidad total de un sistema de refrigeración que funciona con GLP/TiO2-nano-refrigerantes. Para ello, se utilizaron enfoques de clustering substractivo y de partición de cuadrícula para entrenar los modelos ANFIS necesarios en la estimación de la eficiencia de 2ª ley y la irreversibilidad total utilizando algunos datos experimentales. Además, las predicciones de los modelos ANFIS con el enfoque de agrupación sustractiva resultaron ser más precisas que las predicciones de los modelos ANFIS con el enfoque de partición de cuadrícula. Las predicciones de los modelos ANFIS con el enfoque de agrupación sustractiva también se compararon con los resultados experimentales que no se incluyeron en el entrenamiento del modelo y las predicciones de los modelos ANN ya existentes de la publicación anterior de los autores. La comparación de la varianza, el error cuadrático medio (RMSE), el error porcentual medio absoluto (MAPE) fueron de 0,996-0,999, 0,0296-0,1726 W y 0,108-0,176 % de valores de variabilidad marginal. Estos resultados indican que el modelo ANFIS con un enfoque de agrupación sustractiva con radios de agrupación de 0,7 y 0,5 puede predecir la eficiencia de la segunda ley y la irreversibilidad total, respectivamente, con mayor precisión que los modelos RNA de publicaciones anteriores de los autores.