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

Abstract

در کار حاضر جریان آشفته در یک دیفیوزر دو بعدی نامتقارن مورد بررسی و مطالعه قرار گرفته‌است. 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-e، مدل استاندارد k-w و مدل SST k-w و مدل هوشمند شبکه عصبی مصنوعی (ANN) مورد بررسی و مقایسه قرار گرفته‌است. برای شبیه‌سازی عددی و حل معادلات حاکم از نرم افزار فلوئنت استفاده شده‌است. نتایج در فواصل 21، 29، 39 و 49 سانتی متری از لبه دیفیوزر مورد تحلیل قرار گرفتند و با داده‌های تجربی مقایسه شدند. x و y/H هر نقطه به‌عنوان ورودی و U/U0 سرعت در آن نقطه به‌عنوان خروجی شبکه عصبی درنظر گرفته شده‌است. شاخص‌های آماری RMSE, MBE, t-test برای نقاط موردنظر محاسبه و گزارش شده‌است. مدل شبکه مصنوعی نسبت‌به سه مدل آشفتگی، پیش‌بینی بهتری از جدایش جریان را نشان می‌دهد و مدل استاندارد k-e نسبت‌به مدل­های دیگر پیش­بینی ضعیف­تری را نشان می‌دهد. این تحقیق چشم‌انداز مدل‌سازی آشفتگی را با روش‌های یادگیری ماشین به‌خصوص شبکه عصبی نشان می‌دهد.

Keywords

• دیفیوزر
• مدل توربولانسی
• شبکه عصبی