بهینهسازی چندهدفة سهبعدی خنککاری لایه ای در یک پرة توربین فشاربالا با استفاده از الگوریتم ژنتیک - شبکة عصبی مصنوعی
نویسندگان
چکیده مقاله:
در این مقاله بهینه سازی چندهدفة خنککاری لایهای یک ردیف از سوراخهای خنککاری پرة توربین یک موتور خاص بهصورت سهبعدی بررسی شده است. هدف این مقاله مقایسة کارایی خنککاری لایهای و نرخ جریان جرمی خنککاری است که این دو تابع هدف از نظر نقطه اثر عکس هم میباشند. برای این منظور رقابت بین این دو مورد بررسی شده و موقعیت سوراخهای خنککاری در جهت وتر، بههمراه قطر و زاویة تزریق بهعنوان پارامترهای طراحی انتخاب شدهاند. سپس 30 نمونه بهعنوان دادة اولیه از تحلیل دینامیک سیالات محاسباتی ایجاد و از روش شبکه عصبی مصنوعی برای ایجاد مدل جایگزین بهمنظور تقریب تابع بهینهسازی پارامترهای طراحی و از الگوریتم ژنتیک برای بهنیهسازی مدل استفاده شده است. الگوی طراحی در الگوریتم ژنتیک، شش مرتبه به تناوب تکرار شده و مدل بهینه برای تابع هدف بهدست آمده است. در نهایت موقعیت بهینة سوراخهای خنککاری نزدیک LE با قطر و زاویة تزریق بهترتیب 0/447 و 73/575 بهدست آمد. مقایسة نتایج CHT هندسة پرة بهینهشده با هندسة اولیه نتایج بهینهسازی را تأیید میکند و نشان میدهد که به کاهش چشمگیر توزیع دمایی روی ایرفویل منجر شده است.
منابع مشابه
مدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...
متن کاملمدلسازی فرایند تبدیل خشک متان بهکمک پلاسما با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
پیشبینی فراوردههای (هیدروژن و کربن مونوکسید) تبدیل خشک متان بهکمک پلاسما در فشار جوی با استفاده از شبکه عصبی مصنوعی شبیهسازی شد. دادههای تجربی موردنیاز برای مدلسازی شبکه عصبی مصنوعی از یک واکنشگاه پلاسمایی تخلیه کرونا جمعآوری شد. اثر عاملهای فرایندی (توان تخلیه پلاسما، دبی خوراک ورودی) بر کارایی تبدیل متان و گزینشپذیری نسبت به فراوردههای مورد بررسی قرار گرفتند. شبکه پیشخور با الگوری...
متن کاملمدل سازی و بهینه کردن مقاومت روزنه ای زیتون در شرایط تنش شوری ناشی از کلرید سدیم با استفاده از شبکة عصبی مصنوعی و الگوریتم ژنتیک
مقاومت روزنه ای نقش مهمی در تبادلات آبی گیاه و میزان فتوسنتز در شرایط تنش دارد و یکی از پارامتر های کلیدی در بسیاری از مدل های اکولوژیکی و بیولوژیکی است. در این پژوهش، مقادیر بهینة پارامترهای مؤثر بر مقاومت روزنه ای زیتون بر اساس دست یابی به حداکثر مقاومت روزنه ای تعیین شد. سطوح شوری (0، 25، 50 و 100 میلی مول در لیتر کلرید سدیم)، درصد عناصر برگ (کلر، سدیم، پتاسیم، کلسیم، فسفر، منیزیم)، نسبت k/n...
متن کاملبهینهسازی فرایندهای عملیاتی پیش تصفیه آب صنعتی با استفاده از شبکه عصبی مصنوعی و الگوریتم ژنتیک
متن کامل
بهینهسازی چندهدفه، با استفاده از الگوریتم با هم تکاملی ژنتیک
امروزه الگوریتمهای فرا ابتکاری از جایگاهی ویژه در حل مسائل بهینه سازی برخودارند . از جمله این الگوریتمها می توان از الگوریتمهای تکاملی نام برد اساس ایده الگوریتمهای تکاملی همانا، کد کردن جوابهای کاندید برای یک مسئله خاصی و تشکیل جمعیت کروموزمه ا و در ادامه کار کردن با جمعیت کروموزومی درتکامل این جمعیت توسط روشهایی همچون انتخاب و تولید مثل می باشد . الگوریتم ژنتیک یکی از شناخته شده ترین روشه...
15 صفحه اولمدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °c 25 تا °c 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
عنوان ژورنال
دوره 6 شماره شماره 3 (ویژه نامه)
صفحات 117- 128
تاریخ انتشار 2017-12-22
با دنبال کردن یک ژورنال هنگامی که شماره جدید این ژورنال منتشر می شود به شما از طریق ایمیل اطلاع داده می شود.
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023