عنوان مقاله: انواع مکانیسم زمانبندی متغیر سوپاپها
. سازوکار تغییر کنج بادامک
زمانبندی متغیر سوپاپ از سنخ استحاله زاویه بادامک سادهترین، ارزانترین، و متداولترین سازوکاری استکه درحال اسم مناسبت استفاده قرار می گیرد. اساسا این سازوکار زمانبندی سوپاپها را با استحاله دادن کنج زمانبندی میل بادامک تغییر میدهد. به عنوان مثال باب سرعت زیاد میل بادامک استنشاق به اندازه ۳۰ پایه چرخانده میشود تا سوپاپ هوا زودتر بازشود. این حرکت با استفاده از عملگر هیدرولیکی اجرا شده و مقدار جابجایی موردنیاز توسط جهاز کنترل الکترونیک خودرو مراقبت و تنظیم میشود.
توجه داشته باشید که سازوکار تغییر زاویه بادامک نمیتواند کنج بازبودن سوپاپ را استحاله دهد و فقط دیر یا پگاه باز شدن سوپاپ تنفس را تغییر میدهد. در پاداش اگر سوپاپ آتمسفر زود قید اسم شود، پگاه هم بسته میشود و اگر دیر باز شود، دیرهم بسته میشود. همچنین نمیتواند کورس بازشدن سوپاپ را ایضاً استحاله دهد. حرف این وجود سادهترین، و ارزانترین شکل سازوکار زمانبندی متغیر سوپاپ محسوب میشود. زیرا برخلاف سایر سازوکارها که برای هر سیلندر یک عملگر آزاد نیاز دارد، این سازوکار از بهر هر آرزو بادامک تنها به یک عملگر هیدرولیکی نیاز دارد.
تغییر پیوسته الا پاره زاویه میلبادامک
سادهترین سازوکار تغییر زاویه بادامک فقط ۲ یا ۳ نقطه ثابت برای تغییر زاویه دارد، به عنوان مثال زاویه ۰ و ۳۰ درجه. جهاز بهتر سازوکار تغییر دایماً زاویه بادامک میباشد که هر زاویهای آشکار ۰ تا ۳۰ درجه را برحسب سرعت تنپوش میدهد. آشکارا استکه بدین ترتیب زمانبندی بهنیه برای هرسرعتی قابل انتظام است، ضمن آنکه تغییرات نیز با پیوستگی صورت میگیرد که مزیت مهمی است. بعضی طراحیها مانند سیستم:
BMW: VANOS (VAriable NOckenwellenspreizung, Variable Camshaft Lobe Separation)
برروی هر دو میل بادامک تنفس و تخلیه سازوکار استحاله دایماً زاویه بادامک قرار دارد و سبب میشود تا قیچی سوپاپ یا همپوشانی بیشتری شبر آمده و بازدهی بیشتری حاصل شود. به همین دلیل است که خودروی M3 3.2 از نمونه قبلی خویش M3 3.0که فقط روی میل بادامک تنفس عملگر تغییر پیوسته کنج بادامک دارد، بازدهی بیشتری داشته و توان ۱۰۰ اسب تبخیر در هر لیتر تولید میکند. در سری E46این مکانیسم برروی آرزو بادامک تنفس ۴۰ درجه و بروی میل بادامک دود ۲۵ درجه تغییر کنج ایجاد میکند.
محدوده کاری الگوریتم ژنتیک بسیار وسیع می باشد و هر روز با پیشرفت روزافزون حقایق و تکنولوژی استفاده از این روش در بهینه سازی و حل مسائل بسیار گسترش یافته است. الگوریتم ژنتیک یکی از زیر مجموعه های محاسبات تکامل یافته می باشد که رابطه مستقیمی با مبحث هوش مصنوعی دارد باب واقع الگوریتم ژنتیک یکی از زیر مجموعه های هوش مصنوعی می باشد. الگوریتم ژنتیک را میتوان یک روش جستجوی کلی نامید که از قوانین تکامل بیولوژیک طبیعی تقلید میکند .الگوریتم ژنتیک برروی یکسری از جوابهای مساله به امید شبر آوردن جوابهای بهتر قانون بقای بهترین را اعمال می کند. درهر آل به سمت کمک فرآیند انتخابی متناسب با ارزش جوابها و تولید مثل جواب-های انتخاب شده به کمک عملگرهایی که از ژنتیک طبیعی تقلید شدهاند ,تقریبهای بهتری از جواب نهایی بدست میآید. این فرایند باعث میشود که نسلهای جدید با شرایط مساله سازگارتر باشد.
فهرست مطالب
مقدمه
فصل آغاز
چکیده
تاریخچه الگوریتم ژنتیک
اهداف
قالب الگوریتمهای ژنتیکی
عملگرهای الگوریتم ژنتیک
روند کلی الگوریتمهای ژنتیکی
جریان کلی بهینه سازی و حل مسائل در الگوریتم ژنتیک
شرط پایان الگوریتم
فصل دوم
توضیح الگوریتم ژنتیک در ۱۲ قدم
قدم اول : بدست اتیان تابع هدف (Cost Function) با n متغیر
قدم دوم : تعیین طول کروموزوم
قدم سوم : تولید جمعیت اولیه
قدم چهارم: تبدیل هر ژن از کروموزوم به سمت اعدادی در بازه دامان همان متغیر
بیآغازی پنجم
قدم ششم :
بیآغازی هفتم : تعیین تعداد کروموزوم شرکت کننده باب عمل پیوند
قدم هشتم : تعیین کروموزومهایی که در ادا پیوند شرکت می کنند
قدم نهم : پیوند (crossover)
قدم دهم : پرش (mutation)
قدم یازدهم : حفظ بهترین کروموزوم
قدم دوازدهم
فصل سوم
روش پژوهش
نتایج و بحث
نتیجه گیری و کارهای آتی
نتیجه گیری کلی
اندازه دانی
منبعها
فرمت فایل Word دعا doc
اندازه صفحات :114
همراه حرف پاورپوینت برای عرضه و کنفرانس : تعداد صفحات 53 اسلاید