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

I detta arbete presenteras ett adaptivt neuro-fuzzy inference system (ANFIS) artificiell intelligensmetodik för att förutsäga den andra lagens verkningsgrad och den totala irreversibiliteten hos ett kylsystem som drivs med LPG/TiO 2-nanokylmedel. För detta ändamål användes substraktiv klustring och nätpartitionering för att träna de ANFIS-modeller som krävs för att uppskatta den andra lagens effektivitet och den totala irreversibiliteten med hjälp av vissa experimentella data. Dessutom visade sig ANFIS-modellernas förutsägelser med subtraktiv klusterindelning vara mer exakta än ANFIS-modellernas förutsägelser med rutnätsindelning. ANFIS-modellernas förutsägelser med subtraktiv klusterindelning jämfördes också med experimentella resultat som inte ingick i modellutbildningen och med förutsägelser av redan existerande ANN-modeller i författarnas tidigare publikationer. Jämförelsen av varians, medelkvadratfel (RMSE), medelabsolut procentuellt fel (MAPE) var 0,996-0,999, 0,0296-0,1726 W och 0,108-0,176 % marginella variabilitetsvärden. Dessa resultat visar att ANFIS-modellen med subtraktiv klusterindelning med klusterradier på 0,7 och 0,5 kan förutsäga den andra lagens verkningsgrad respektive den totala irreversibiliteten med högre noggrannhet än författarnas tidigare publicerade ANN-modeller.