پیش بینی جریان در دیفیوزر نامتقارن دو بعدی توسط شبکه عصبی و مقایسه نتایج با سه مدل آشفتگی و داده های تجربی

  • سال انتشار: 1401
  • محل انتشار: دو فصلنامه علوم کاربردی و محاسباتی در مکانیک، دوره: 34، شماره: 2
  • کد COI اختصاصی: JR_JACSM-34-2_004
  • زبان مقاله: فارسی
  • تعداد مشاهده: 324
دانلود فایل این مقاله

نویسندگان

مصطفی زمانی محی آبادی

دانشکده مهندسی مکانیک- دانشگاه کاشان- کاشان- ایران

فرید سلطانی

دانشکده مهندسی مکانیک، دانشگاه کاشان، کاشان، ایران

احمدرضا برومندپور

دانشکده مهندسی مکانیک، دانشگاه آزاد اسلامی واحد خمینی شهر، خمینی شهر، ایران

قنبرعلی شیخ زاده

دانشکده مهندسی مکانیک، دانشگاه کاشان، کاشان، ایران

چکیده

در کار حاضر جریان آشفته در یک دیفیوزر دو بعدی نامتقارن مورد بررسی و مطالعه قرار گرفته است. در بسیاری از کاربردها، اطلاع از این که آیا لایه مرزی از سطح یا داخل یک جسم خاص جدا می شود و این که دقیقا جداسازی جریان در کجا رخ می دهد، از اهمیت خاصی برخوردار است. ترکیب داده های آشفتگی با هوش مصنوعی در حال حاضر یک موضوع تحقیقاتی فعال برای مطالعه آشفتگی است. در این مقاله پیش بینی جدایش جریان با وجود گرادیان فشار معکوس در دیفیوزر دوبعدی نامتقارن، با استفاده از سه مدل آشفتگی شامل مدل استاندارد k-e، مدل استاندارد k-w و مدل SST k-w و مدل هوشمند شبکه عصبی مصنوعی (ANN) مورد بررسی و مقایسه قرار گرفته است. برای شبیه سازی عددی و حل معادلات حاکم از نرم افزار فلوئنت استفاده شده است. نتایج در فواصل ۲۱، ۲۹، ۳۹ و ۴۹ سانتی متری از لبه دیفیوزر مورد تحلیل قرار گرفتند و با داده های تجربی مقایسه شدند. x و y/H هر نقطه به عنوان ورودی و U/U۰ سرعت در آن نقطه به عنوان خروجی شبکه عصبی درنظر گرفته شده است. شاخص های آماری RMSE, MBE, t-test برای نقاط موردنظر محاسبه و گزارش شده است. مدل شبکه مصنوعی نسبت به سه مدل آشفتگی، پیش بینی بهتری از جدایش جریان را نشان می دهد و مدل استاندارد k-e نسبت به مدل­های دیگر پیش­بینی ضعیف­تری را نشان می دهد. این تحقیق چشم انداز مدل سازی آشفتگی را با روش های یادگیری ماشین به خصوص شبکه عصبی نشان می دهد.

کلیدواژه ها

دیفیوزر, مدل توربولانسی, شبکه عصبی

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.