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

W pracy przedstawiono metodologię sztucznej inteligencji adaptacyjnego systemu wnioskowania neuro-rozmytego (ANFIS) do przewidywania sprawności 2. prawa i całkowitej nieodwracalności układu chłodniczego zasilanego LPG/TiO2-nanozwiązkami chłodniczymi. W tym celu wykorzystano metody klasteryzacji substrakcyjnej i podziału siatki do wytrenowania modeli ANFIS niezbędnych do oszacowania 2. prawa efektywności i całkowitej nieodwracalności na podstawie danych eksperymentalnych. Ponadto, prognozy modeli ANFIS z podejściem klasteryzacji substrakcyjnej okazały się bardziej dokładne niż prognozy modeli ANFIS z podejściem podziału siatki. Predykcje modeli ANFIS z podejściem subtractive clustering zostały również porównane z wynikami eksperymentalnymi, które nie zostały uwzględnione w treningu modelu oraz z predykcjami już istniejących modeli ANN z poprzedniej publikacji autorów. Porównanie wariancji, błędu średniokwadratowego (RMSE), średniego absolutnego błędu procentowego (MAPE) wyniosło 0,996-0,999, 0,0296-0,1726 W oraz 0,108-0,176 % wartości zmienności brzegowej. Wyniki te wskazują, że model ANFIS z podejściem klastrowania odejmującego o promieniu klastra 0,7 i 0,5 może przewidywać odpowiednio sprawność 2. prawa i całkowitą nieodwracalność z większą dokładnością niż wcześniej publikowane przez autorów modele ANN.

.