پیش بینی عدد نوسلت استوانه گرم شده قرار گرفته در معرض جریان آشفته توسط شبکه حافظه طولانی کوتاه مدت عمیق بهینه شده توسط الگوریتم ازدحام ذرات | ||
| نشریه مهندسی مکانیک امیرکبیر | ||
| دوره 55، شماره 11، بهمن 1402، صفحه 1353-1372 اصل مقاله (2.39 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/mej.2024.22621.7652 | ||
| نویسندگان | ||
| امیرحسین ربیعی* 1؛ مصطفی اسماعیلی2 | ||
| 1دانشکده مهندسی مکانیک، دانشگاه صنعتی اراک، اراک، ایران | ||
| 2گروه مهندسی مکانیک، دانشکده فنی و مهندسی، دانشگاه خوارزمی، تهران، ایران | ||
| چکیده | ||
| بهرهگیری از هوش مصنوعی برای پیشبینی مشخصات انتقال حرارت در صنایع مختلف، توانایی بهبود طراحی تجهیزات حرارتی، افزایش کارایی انتقال حرارت، بهینهسازی سیستمهای خنککننده، و کاهش مصرف انرژی را فراهم میکند. نوآوری و هدف مقاله حاضر، پیشبینی رفتار زمانی عدد نوسلت در مسئله ارتعاشات ناشی از جریان آشفته بر روی استوانه گرم شده که آزادانه در جهات طولی و عرضی نوسان میکند، میباشد. پیشبینی عدد نوسلت بر مبنای جابجایهای عرضی و طولی استوانه در سه سناریوی مختلف شامل ورودی جابجایی در جهت ، ورودی جابجایی در جهت ، و در نهایت ورودی ترکیبی و انجام شده است. پیشبینی توسط شبکه حافظه طولانی کوتاه مدت عمیق که معماری و ابرپارامترهای آن توسط الگوریتم ازدحام ذرات بهینه شده است، صورت گرفته است. نتایج نشان دهندهی موفقیت شبکههای بهینه شده با ورودیهای متفاوت میباشد؛ اگرچه دقت بالاتری در پیشبینی با ورودیهای ترکیبی و بدست آمده است. ضریب همبستگی در بخش تست، برای شبکههای با ورودی ؛ با ورودی ؛ و با ورودیهای و به ترتیب برابر با 0/967، 0/961، و 0/975 محاسبه شدهاند. با بهره گیری از روش بکارگرفته شده در مطالعه حاضر، میتوان مشخصات انتقال حرارت سازههای قرار گرفته در معرض جریان را پیشبینی نمود. | ||
| کلیدواژهها | ||
| عدد نوسلت؛ تعامل جریان و سازه؛ ارتعاشات ناشی از ریزش گردابه؛ شبکه حافظه طولانی کوتاه مدت؛ الگوریتم بهینه سازی ازدحام ذرات | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 711 تعداد دریافت فایل اصل مقاله: 756 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 458 |
| تعداد مقالات | 5,785 |
| تعداد مشاهده مقاله | 8,530,736 |
| تعداد دریافت فایل اصل مقاله | 7,069,114 |