مدلسازی جریان آشفته دو فازی گاز جامد داخل جداکننده‌‌های سیکلونی با استفاده از شبکه‌های عصبی مصنوعی

پارامترهای هندسی سیکلون اثر قابل ملاحظهای بر بازده جداسازی و افت فشار جریان داخل سیکلون دارند . بررسی همزمان اثر تمام متغیرهای هندسی با روشهای عددی دینامیک سیالات ١ با وجود دقت بالا نیاز به زمان محاسبات زیاد دارد . یکی از روشهای موثر برای کاهش حجم و زمان محاسبات رایانهای استفاده از شبکههای عصبی مصنوعی ٢ است . در این مقاله با مدلسازی یک شبکه پرسپترون چند لایه ٣ ، بهطور همزمان اثر پارامترهای هندسی مختلف بر دو مشخصه اصلی طراحی سیکلونها یعنی بازده جداسازی و افت فشار حاصل از حرکت جریان مورد مطالعه قرار گرفته است . نتایج نشان میدهد که تعداد نرونهای لایه مخفی اثر قابل توجهی بر همگرایی شبکه عصبی دارد . همچنین افزایش تعداد آرایه در آموزش شبکه خطای شبکه عصبی را کاهش میدهد . نتایج نشان میدهد که با افزایش تعداد آرایههای آموزشی شبکه تا 90 داده، خطای محاسبات شبکه کاهش شدیدی مییابد و در مقادیر بیش از آن تغییر خطا قابل توجه نمیباشد . مقایسه نتایج شبکه عصبی طراحی شده با نتایج کد عددی ٤ و مقادیر تجربی موجود، دقت مناسب و کاهش شدید زمان عملیات محاسباتی را توسط روش شبکههای عصبی نشان میدهد . نتایج شبکه عصبی نشان میدهد که با افزایش بازده جداسازی سیکلون از ۸۸ % ، میزان افت فشار به مقدار زیادی افزایش مییابد

کلیدواژه ها:

شبکه های عصبی ، شبکه پرسپترون چند لایه ، جریان دو فازی ، سیکلون