حل جریان توربین بخار با استفاده از شبکه عصبی مصنوعی و مقایسه با نتایج حل عددی

از قرن هجدهم میلادی که ناویر و استوکس معادله معروف خود را برای حل واقعی جریان حل لزج پیشنهاد دادند تاکنون بسیاری از محققان برای حل جریان سیال به حل این معادلات سنگین و پیچیده می پردازند از این رو در این مقاله ابتدا تحلیل جریان گذرنده از پره های توربین بخار با روشهای حل عددی Cfd و حل معادلات ناویر - استوکس انجام شده و سپس همان جریان با استفاده از یک شبکه عصبی پرسپترون چند لایه با الگوریتم پس انتشار خطا حل شده است اموزش شبکه با توجه به داده های ازمایشگاهی موجود صورت گرفته است برای این کار از 8 حالت معلوم جریان استفاده شد ه است برای کسب دقت بیشتر در کارکرد شبکه بایستی از داده های بیشتری برای اموزش استفاده نمود و به همین منظور 8 حالت تجربی موجود با استفاده از روش Bootstrapping به 40 حالت افزایش یافته اند. برای دو حالت جدید نتایج حل عددی و حل براساس شبکه عصبی با داده های واقعی مقایسه شده اند میانگین خطا برای حل عددی 1.74 درصد و برای حل با شبکه عصبی 2.88 درصد بوده است. اگرچه خطای میانگین نتایج حل با استفاده از شبکه عصبی بیشتر از حل عددی می باشد اما پایین بودن این خطا نتایج محاسبات را قابل قبول می نماید بخصوص باتوجه به این نکته که حل عددی بسیار پرهزینه و زمان بر می باشد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، حل عددی CFD ، Bootstrapping شبکه پس انتشار خطا ، توربین بخار