Research paperAdaptive neuro-fuzzy inference system (ANFIS) approach for the irreversibility analysis of a domestic refrigerator system using LPG/TiO 2 nanolubricant

Tässä työssä esitellään adaptiivinen neuro-fuzzy inference system (ANFIS) -tekoälymenetelmä LPG/TiO 2 -nano-kylmäaineilla toimivan jäähdytysjärjestelmän 2. lain mukaisen hyötysuhteen ja täydellisen palautumattomuuden ennustamiseksi. Tätä tarkoitusta varten käytettiin subtraktiivista klusterointia ja ruudukkojen jakamista ANFIS-mallien kouluttamiseen, joita tarvitaan toisen lain mukaisen hyötysuhteen ja kokonaismuuttavuuden arvioimiseksi käyttäen joitakin kokeellisia tietoja. Lisäksi havaittiin, että ANFIS-mallien ennusteet subtraktiivisella klusterointimenetelmällä olivat tarkempia kuin ANFIS-mallien ennusteet ruudukkojakomenetelmällä. ANFIS-mallien ennusteita subtraktiivisella klusterointimenetelmällä verrattiin myös kokeellisiin tuloksiin, joita ei ollut sisällytetty mallin koulutukseen, ja jo olemassa olevien ANN-mallien ennusteisiin kirjoittajien aiemmasta julkaisusta. Vertailussa varianssin, keskimääräisen neliövirheen (RMSE), absoluuttisen prosentuaalisen keskivirheen (MAPE) vertailuarvot olivat 0,996-0,999, 0,0296-0,1726 W ja 0,108-0,176 % marginaalisia vaihteluarvoja. Nämä tulokset osoittavat, että ANFIS-malli, jossa käytetään subtraktiivista klusterointimenetelmää, jonka klusterin säteet ovat 0,7 ja 0,5, voi ennustaa 2. lain hyötysuhteen ja kokonaisperuuttamattomuuden vastaavasti suuremmalla tarkkuudella kuin kirjoittajien aiemmassa julkaisussa olevat ANN-mallit.