بهینه سازی عددی جریان ثانویه در کانال با مقطع مستطیلی با استفاده از شبکه عصبی GMDH و الگوریتم ژنتیک MUGA

این مقاله با بررسی شبیه سازی عددی جریان سه بعدی دائمی آرام و توسعه یافته سیالغیرقابل تراکم در داخل کانال منحنی الشکل با مقطع مستطیلی و چگونگی شکل گیریجریان ثانویه در داخل خم و عوامل مؤثر بر شدت جریان ثانویه در داخل کانال بهخصوص در قسمت منحنی الشکل، به تحلیل چگونگی بهینه سازی شدت جریان ثانویه درکانال های مورد بررسی پرداخته است. مدل بدست آمده برای جریان ثانویه و افت فشارتوسط دو شبکه عصبی GMDH بدست آمده است. به منظور بهینه سازی عددی جریان ثانویه از الگوریتم ژنتیک MUGA استفاده شده است. به عنوان نتیجه، کانال منحنی الشکل با مقطع مستطیلی، نسبت به سه تابع جریان ثانویه، افت فشار و هزینه بهینه سازیخواهد شد. نمودارهای نقاط پرتو و مقادیر متغیرهای طراحی برای چند نقطه به نمایندگیاز دسته های مختلف جبهه ی پرتو ارائه شده است. همانگونه که انتظار می رود، نتایج نشانخواهد داد که با افزایش سطح مقطع و شعاع انحنا، مقادیر جریان ثانویه و افت فشار کاهشمی یابد؛ اما مقدار تابع هزینه (مساحت) افزایش می یابد. جبه هی نقاط بهینه، برای این سهتابع حالت بینابینی خواهد داشت.

کلیدواژه ها:

جریان ثانویه ، بهینه سازی عددی ، شبکه های عصبی GMDH ، کانال منحنی الشکل ، جریان آرام و درهم ، الگوریتم ژنتیک