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

علوم کاربردی و محاسباتی در مکانیک

مقالات آماده انتشار، پذیرفته شده، انتشار آنلاین از تاریخ 06 تیر 1401  

نوع مقاله: مقاله پژوهشی

شناسه دیجیتال (DOI): 10.22067/jacsm.2022.74041.1076

نویسندگان

مصطفی زمانی محی آبادی ¹؛ فرید سلطانی²؛ احمدرضا برومندپور³؛ قنبرعلی شیخ زاده⁴

¹دانشکده مهندسی مکانیک- دانشگاه کاشان- کاشان- ایران

²دانشجوی دکتری، دانشکده مهندسی مکانیک، دانشگاه کاشان، کاشان، ایران

³دانشجوی دکتری، دانشکده مهندسی مکانیک، دانشگاه آزاد اسلامی واحد خمینی شهر، خمینی شهر، ایران

⁴دانشکده 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 اینکه آیا لایه مرزی از سطح یا داخل یک جسم خاص جدا می‌شود و اینکه دقیقاً جداسازی جریان در کجا رخ می‌دهد، از اهمیت خاصی برخوردار است. ترکیب داده‌های آشفتگی با هوش مصنوعی در حال حاضر یک موضوع تحقیقاتی فعال برای مطالعه آشفتگی است. در این مقاله پیش‌بینی جدایش جریان با وجود گرادیان فشار معکوس در دیفیوزر دوبعدی نامتقارن، با استفاده از سه مدل آشفتگی شامل مدل استاندارد k-، مدل استاندارد k- و مدل SST k- و مدل هوشمند شبکه عصبی مصنوعی (ANN) مورد بررسی و مقایسه قرار گرفته است. برای شبیه‌سازی عددی و حل معادلات حاکم از نرم افزار فلوئنت استفاده شده است. نتایج در فواصل 21، 29، 39 و 49 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/U0 سرعت در آن نقطه به عنوان خروجی شبکه عصبی درنظر گرفته شده است. شاخص‌های آماری RMSE, MBE, t-test برای نقاط موردنظر محاسبه و گزارش شده است. مدل شبکه مصنوعی نسبت به سه مدل آشفتگی، پیش‌بینی بهتری از جدایش جریان را نشان می‌دهد و مدل استاندارد k- نسبت به مدل‌های دیگر پیش‌بینی ضعیف‌تری را نشان می‌دهد. این تحقیق چشم‌انداز مدل‌سازی آشفتگی را با روش‌های یادگیری ماشین بخصوص شبکه عصبی نشان می‌دهد.

کلیدواژه‌ها

دیفیوزر؛ مدل توربولانسی؛ شبکه عصبی