تخمین پارامتری خواص ترموفیزیکی مواد در مسائل انتقال حرارت وارون با استفاده از روش شبکه های عصبی مصنوعی

در این پایان نامه شبکه های عصبی مصنوعی برای تخمین ضریب هدایت حرارتی، به عنوان یکی از خواص ترموفیزیکی، در مسائل هدایت حرارتی استفاده شده است. در انتقال حرارت هدایتی دو نوع مسأله وجود دارد: مسأله مستقیم و مسأله وارون. هدف اصلی مسأله مستقیم عبارت است از محاسبه میدان دمایی در ماده هنگامی که تمامی خصوصیات مشخصه اعم از شرایط مرزی، شرط اولیه و خواص ترموفیزیکی ماده معلوم باشند. در حالی که هدف مسأله وارون تخمین یک یا چند مورد از خصوصیات مشخصه فوق الذکر، با معلوم بودن دماهای اندازه گیری شده در یک یا چند نقطه از ماده است. روشهای سنتی برای بدست آوردن خواص ترموفیزیکی، دشوار، زمان بر و در گاهی موارد غیر ممکن می باشد. روش مسائل انتقال حرارت وارون راهی موثر برای غلبه بر این مشکلات است. در این پایان نامه سه حالت برای ضریب هدایت حرارتی در نظر گرفته شده است: ضریب هدایت ثابت، ضریب هدایت وابسته به دما (حالت تغییرات خطی با دما) و وابسته به جهت (در یک ماده ارتوتروپیک). شبکه عصبی پیش خور با الگوریتم پس انتشار خطای لونبرگ- مارکواردت برای تخمین پارامتری ضرایب هدایت حرارتی در مسائل هدایت حرارت وارون بکاررفته اند. اندازه گیری های شبیه سازی شده با و بدون نویزهای آزمایشگاهی بمنظور تولید داده برای آموزش شبکه ها مورد استفاده قرار گرفته اند. مقایسه نتایج حاصل با نتایج موجود در ادبیات فن نشان می دهد که شبکه های عصبی بخوبی قادر به حل مسائل وارون و تخمین خواص ترموفیزیکی در آنها می باشند. بیشترین خطا در حالت دماهای بدون نویز 4/5 در صد و با در نظر گرفتن نویز 16/05 درصد است.