کاربرد شبکه های عصبی مصنوعی برای محاسبه افت فشار در لوله ها

در این مقاله سعی شده است تا با استفاده از روش شبکه های مصنوعی عصبی ضریب اصطکاک مورد استفاده در محاسبات مربوط به افت فشار در لوله ها را بدست آورد . در مسائل مکانیک سیالات ضریب اصطکاک معمولاً از نمودار مودی استخراج شده و یا از فرمولهای نیمه تجربی محاسبه میشود . در این مقاله با استفاده از بخشی از اطلاعات استخراج شده از نمودار مودی یک شبکه عصبی مصنوعی را آموزش داده و پس از آن با استفاده از اطلاعات دیگری که در بخش قبلی از آنها استفاده نشده است به برآورد ضریب اصطکاک می ( را به عنوان ε/D ( و زیری نسبی (Re) باید اعداد بی بعد رینولدز (f) پردازیم . در نمودار مودی برای استخراج ضریب اصطکاک ورودی بکار برد . در یک برنامه آموزش دیده شبکه عصبی هم با معرفی عدد رینولدز و زبر نسبی به عنوان دو پارامتر ورودی ضریب اصطکاک به عنوان خروجی برنامه بدست می آید . برای بالابردن دقت نتایج حاصل از این روش عددی، شیوه های گوناگونی برای آموزش برنامه وجود دارند . این شیوه ها، شامل نرمالیزه کردن اعداد قبل از آموزش شبکه عصبی است . شیوه های گوناگون نرمالیزه کردن شامل نرمالیزه کردن خطی، لگاریتمی، و غیره است که نتایج حاصل نشان دادند که باتوجه به طبیعت غیر خطی نمودار مودی، روش نرمالیزه کردن لگاریتمی بهترین روش ممکن در این مطالعه است و نتایجی با دقت بسیار بالا و خطای کمتر از ۴ / ۰ % بدست می آیند .

کلیدواژه ها:

افت فشار ، جدول مودی ، ضریب اصطکاک ، شبکه های عصبی مصنوعی