OnderzoekspaperAdaptief neuro-fuzzy inference system (ANFIS) benadering voor de onomkeerbaarheidsanalyse van een huishoudelijk koelsysteem dat LPG/TiO 2-nanosmeermiddel gebruikt

Dit werk presenteert een adaptieve neuro-fuzzy inference system (ANFIS) artificiële intelligentiemethodologie voor het voorspellen van de 2e wetsefficiëntie en de totale onomkeerbaarheid van een koelsysteem dat werkt op LPG/TiO2-nanokoelmiddelen. Voor dit doel werden substractieve clustering en rasterverdeling gebruikt om de ANFIS-modellen te trainen die nodig zijn voor het schatten van de 2e wet efficiëntie en de totale onomkeerbaarheid met behulp van een aantal experimentele gegevens. De voorspellingen van ANFIS-modellen met subtractieve clustering bleken nauwkeuriger te zijn dan de voorspellingen van ANFIS-modellen met rasterpartitionering. De voorspellingen van ANFIS-modellen met subtractieve clustering werden ook vergeleken met experimentele resultaten die niet in de modeltraining waren opgenomen en voorspellingen van reeds bestaande ANN-modellen van auteurs vorige publicatie. De vergelijking van variantie, root mean square error (RMSE), mean absolute percentage error (MAPE) waren 0,996-0,999, 0,0296-0,1726 W en 0,108-0,176 % marginale variabiliteitswaarden. Deze resultaten geven aan dat het ANFIS-model met subtractieve clusteringbenadering met clusterstralen 0,7 en 0,5 de 2e wetsefficiëntie en de totale onomkeerbaarheid kan voorspellen, respectievelijk met een hogere nauwkeurigheid dan de vorige publicatie van auteurs ANN-modellen.