پیش بینی رفتار شناور پروازی با استفاده از مدل توربولانس غیرخطی
- سال انتشار: 1395
- محل انتشار: نخستین کنفرانس ملی تحقیقات بین رشته ای در مهندسی کامپیوتر، برق، مکانیک و مکاترونیک
- کد COI اختصاصی: IRCEM01_044
- زبان مقاله: فارسی
- تعداد مشاهده: 878
نویسندگان
دانشگاه بجنورد، گروه مهندسی مکانیک
چکیده
حرکت شناورهای تندرو به عنوان یکی از پیچیده ترین مباحث هیدرودینامیکی مطرح می باشد. اینحرکت توام با پدیده های غیرخطی بوده و از این رو مدلسازی آنها با پیچیدگی های فراوانی همراه است.حل تحلیلی معادلات حاکم بر چنین جریانی امکان پذیر نبوده و از طرفی اندازه گیری های آزمایشگاهی نیزبا هزینه های بالایی روبرو هستند. این موضوع ضرورت شبیه سازی عددی را در این گونه از کاربردهانمایان می سازد. پیش بینی دقیق رفتار شناورهای تندرو مستلزم به کارگیری مدل توربولانسی است کهبتواند پارامترهای جریان را به ویژه در نواحی نزدیک به دیواره به درستی محاسبه نماید. استفاده ازمدل های توربولانس استاندارد و خطی در جریان های پیچیده با لایه مرزی تحت گرادیانه ای فشارمخالف و جریان های جدا شده به پیش بینی های دقیقی نخواهد انجامید. لذا شبیه سازی دقیق رفتارشناورهای تندرو مستلزم اعمال تغییراتی در رابطه تنش رینولدز و معادلات انرژی جنبشی توربولانس ونرخ اتلاف می باشد که مجموعه این تغییرات در مدل k-ε غیرخطی لحاظ گردیده است. در تحقیقحاضر سعی گردید تا از مدل k-ε غیر خطی برای شبیه سازی شناور پروازی مدل ۴۶۶۷ از سری ۶۲استفاده گردد. با توجه به توانایی مدل غیرخطی در پیش بینی دقیقتر میدان توربولانس، انتظار می رود کهاستفاده از مدل k-ε غیرخطی به نتایج بهتری بیانجامد. در این مقاله نتایج حاصل از این مدلتوربولانس غیرخطی با روابط تجربی Savitsky مقایسه گردیده است. همچنین داده های محاسبه شدهتوسط دو مدل k-ε خطی و غیرخطی برای مقایسه نیروهای مقاوم وارده بر بدنه شناور مورد استفادهقرار گرفته و در نهایت مدل مزبور برای پیش بینی پارامترهای مهم تاثیرگذار بر رفتار شناور از قبیل ناحیهاسپری، نواحی جدایش جریان و اتصال مجدد جریان بر روی بدنه به کار گرفته شد.کلیدواژه ها
مقالات مرتبط جدید
- سودآوری مشتریان در خردهفروشی قطعات یدکی ماشین آلات راهسازی با رویکرد یادگیری ماشین
- ارائه روشی کارآمد جهت شناسایی کودکان نیازمند به پیوند مغز استخوان با استفاده از ترکیب طبقه بند ماشین بردار پشتیبان و الگوریتم بهینه سازی فاخته
- استخراج بهینه پارامترهای تاثیر گذار الگوریتم بهینه سازی بوفالوی آفریقایی با هدف استخراج ویژگی های مهم به منظور افزایش کارایی طبقه بندی داده ها
- ارائه روشی کارآمد برای بهبود عملکرد الگوریتم بهینه سازی کلاغ سیاه به منظور افزایش صحت خوشه بندی داده ها
- استفاده از الگوریتم باور بیزین در لایه کاملا متصل شبکه عصبی کانولوشن با هدف افزایش دقت تشخیص تصاویر
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.