Research paperAdaptive neuro-fuzzy inference system (ANFIS) per l’analisi dell’irreversibilità di un sistema frigorifero domestico con GPL/TiO 2 nanolubrificante

Questo lavoro presenta una metodologia di intelligenza artificiale adaptive neuro-fuzzy inference system (ANFIS) per prevedere l’efficienza della seconda legge e l’irreversibilità totale di un sistema di refrigerazione a GPL/TiO2-nano-refrigeranti. A questo scopo, sono stati utilizzati approcci di clustering sottrattivo e di partizione della griglia per addestrare i modelli ANFIS necessari per stimare l’efficienza di seconda legge e l’irreversibilità totale utilizzando alcuni dati sperimentali. Inoltre, le previsioni dei modelli ANFIS con l’approccio di clustering sottrattivo sono risultate più accurate delle previsioni dei modelli ANFIS con l’approccio di partizione della griglia. Le previsioni dei modelli ANFIS con l’approccio di clustering sottrattivo sono state anche confrontate con i risultati sperimentali che non sono stati inclusi nella formazione del modello e le previsioni dei modelli ANN già esistenti degli autori della pubblicazione precedente. Il confronto della varianza, l’errore quadratico medio (RMSE), l’errore percentuale assoluto medio (MAPE) sono stati 0,996-0,999, 0,0296-0,1726 W e 0,108-0,176 % valori di variabilità marginale. Questi risultati indicano che il modello ANFIS con approccio di clustering sottrattivo con raggi di cluster 0,7 e 0,5 può prevedere l’efficienza della 2a legge e l’irreversibilità totale rispettivamente, con una maggiore accuratezza rispetto ai modelli ANN di precedente pubblicazione degli autori.