تشکیل شوک ناشی از تراکم پذیری جریان بر روی سطح اجسام پرنده و تداخل این شوک با لایه مرزی باعث اثرات نامطلوبی مانند افزایش پسا و جدایش جریان می شود. در گذشته روش-های مختلفی برای کاهش این اثرات از جمله، مولدهای گردابه، مکش سطح، دمش از سطح و.. پیشنهاد شده است. در این پایان نامه به بررسی عددی استفاده از ساختار متخلخل در کنترل و کاهش اثرات شوک پرداخته می شود. ساختار متخلخل ( محیط متخلخل و سطح متخلخل) با مکانیزم افزایش سطح عبور جریان و با ترکیب مکش و دمش باعث کاهش اثرات شوک می شوند. روش حل عددی در این پایان نامه روش حجم محدود، معادلات حل عددی معادلات ناویراستوکس و مدل هندسی ایرفویل naca0012 می باشد.حل جریان به صورت آشفته و پایا در محدوده جریان گذرصوتی می باشد. نتایج به دست آمده در این پایان نامه نشان می دهد با کاهش اثرات شوک وکاهش پسای موجی، ضریب پسای کل با استفاده از محیط متخلخل در حدود 16? و با استفاده از سطح متخلخل در حدود 20? کاهش می یابد. شوک تضعیف شده به نواحی بالادست ایرفویل و ابتدای محیط متخلخل منتقل شده و عدد ماخ پشت شوک کاهش پیدا می کند. با کاهش اثرات تداخل شوک و لایه مرزی حباب جدایش نیز به نواحی پایین دست ایرفویل تعویق پیدا می کند. کارایی این روش کنترلی به عوامل مختلفی از جمله پارامترهای هندسی بستگی دارد. بدین منظور در این کار عددی در بخش مطالعه پارامتریک سطح متخلخل به بررسی محل قرارگیری سطح متخلخل، طول سطح متخلخل، عمق محفظه، تعداد حفره سطح متخلخل، هندسه کلی محفظه و زاویه حمله و در بخش مطالعه پارامتریک محیط متخلخل به بررسی اثر عمق، طول، شدت تخلخل و قطر ریزدانه محیط متخلخل و همچنین اثر زاویه حمله بر این روش کنترلی پرداخته می شود.

کاهش پسا در وسایل نقلیه، بخصوص وسایل نقلیه هوایی از اهمیت زیادی برخوردار است. از مزایای کاهش پسا می‏توان به کاهش مصرف سوخت در نتیجه کاهش آلودگی محیط زیست و هزینه، ایجاد محدوده عملیاتی بزرگتر، استقامت بیشتر و در نهایت دست‏یابی به سرعت بیشتر اشاره کرد. در این پایان نامه کاهش پسای پوسته‏ای با استفاده از دو روش غیرفعال و سطوح هوشمند و استفاده از ریز مانع‏های صلب و منعطف صورت گرفته است. میدان جریان در حضور ریزمانع هایی به شکل صلب و انعطاف پذیر مورد مطالعه قرار گرفته و ریزمانعی به شکل استوانه متصل به تیرمنعطف در عدد رینولدز 105×5.6 معرفی شده است. همچنین ساختارهای جریان حول این ریزمانع‏ مورد بررسی قرار گرفته و اثرات آن بر کاهش پسای پوسته‏ای شرح داده شده‏ است. جهت حل جریان حول ریزمانع صلب با استفاده از قابلیت های نرم افزاری (ansys-cfx) از مدل آشفتگی (les) و جهت حل ریزمانع انعطاف‏پذیر از اندرکنش سازه و سیال، بطوریکه میدان جریان با استفاده از مدل آشفتگی (les) و اندرکنش آن با سازه ریزمانع، به صورت کوپل دوطرفه حل شده و در هر لحظه اطلاعات بین سیال و جامد تبادل ‏می‏شود، استفاده شده است. از نتایج تجربی و آزمایشگاهی استاندارد موجود جهت صحت سنجی روش حل عددی استفاده شده است. راهکار جدیدی برای کنترل میدان جریان در لایه مرزی ارائه شده است که در آن یک ریزمانع انعطاف‏پذیر درون لایه مرزی قرار گرفته بطوریکه در اثر عبور میدان جریان از روی آن شروع به نوسان می‏کند و باعث برهم زدن میدان جریان لایه مرزی شده و از توسعه یافتگی پروفایل لایه مرزی آشفته جلوگیری می‏کند. با استفاده از این تکنیک می‏توان کنترل لایه مرزی را در اختیار گرفت و جهت کاهش پسا استفاده کرد. نتایج نشان دهنده کاهش 33.6 درصدی پسا روی صفحه تخت می‏باشد.

سرعت باد از مهم ترین و تأثیرگذارترین پارامترها در امکان سنجی برای نصب توربین های باد است؛ ازآنجاکه ارتفاع توربین باد و انرژی استحصالی از آن به سرعت باد وابسته است بنابراین دانستن سرعت باد در ارتفاعات مختلف منطقه موردمطالعه امری ضروری است. ارتفاع دکل بادسنجی سایت های هواشناسی به طور عادی 10 متر هست و اطلاعات باد موردنیاز برای ارتفاعات بالاتر در دسترس نیست. معمولاً به منظور بررسی پتانسیل باد در محل موردنظر، به مدت بیش از یک سال دکل یا دکل های بلندی در حدود ارتفاع توربین های احتمالی نصب شده و اطلاعات جمع آوری شده در پایان دوره، کامل بررسی و تحلیل می شود. سپس نوع توربین و تعداد آن تعیین می گردد. با توجه به هزینه بر بودن و دشواری نصب دکل های مذکور در این پروژه سعی بر این است که با استفاده از برخی روش ها بتوانیم مدل باد در ارتفاعات بلند را با داشتن پروفیل باد در ارتفاعات پایین تخمین بزنیم. لازم به ذکر است که برخی فرمول ها موجود می باشند که سرعت باد در ارتفاعات بلند را با داشتن سرعت باد در ارتفاع مشخصی به صورت استاتیک و با خطای زیاد تعیین می کنند که به هیچ وجه قابل اعتماد نیستند. لذا در این پروژه از تکنیک های نوینی همچون شبکه های عصبی مصنوعی (ann) و سیستم استنتاج عصبی-فازی تطبیقی (anfis) استفاده شده است. پس از پیاده سازی تکنیک های معرفی شده با این ایده که ابتدا مدل سرعت باد بر اساس داده های هواشناسی مختلف به دست می آید و پس از بهینه سازی با استفاده از این مدل و اطلاعات سرعت باد مربوط به دو ارتفاع (پایین تر)، اطلاعات سرعت باد برای ارتفاع سوم با دقت بالا تخمین زده می شود. مقایسه نتایج، نشان می دهد که تکنیک های ann و anfis همراه با ایده مطرح شده از عملکرد بسیار بالایی نسبت به مدل توانی برخوردار هستند. در مدل مبتنی بر anfis با بکار گیری فرایند یادگیری هایبرید و هم چنین الگوریتم fcm برای خوشه بندی اطلاعات سرعت باد، می توان به یک تخمین مناسب دست یافت.