| پیش بینی افت فشار در ایرفویل های چند قوسی با رویکردی مبتنی بر پایگاه داده |
| کد مقاله : 1182-ISME2024 |
| نویسندگان |
|
غزل حسین زاده کماکلی *1، محمدرضا پاکتچیان2 1کارشناس طراحی کمپرسور محوری، شرکت مهندسی و ساخت توربین گاز مپنا، تهران 2مدیر طراحی کمپرسور محوری شرکت مپنا |
| چکیده مقاله |
| خانواده ایرفویل‌های چندقوسی به دلیل توانایی در دستیابی به نسبت فشار بالاتر و کاهش افت‌ها، در طراحی کمپرسورهای محوری محبوبیت فراوانی یافته‌اند و کاربرد گسترده‌ای دارند. با این حال، مدل‌سازی دقیق عملکرد آیرودینامیکی این ایرفویل‌ها به‌ویژه در کمپرسورهای فراصوتی همچنان چالش‌برانگیز است. در این پژوهش، یک پایگاه داده از ایرفویل‌های چندقوسی برای مدل‌سازی رفتار افت با استفاده از حل‌کننده خودکار جریان تیغه‌به‌تیغه تحت شرایط مرزی خاص توسعه داده شده است. سپس، داده‌ها با استفاده از تحلیل مؤلفه‌های اصلی ساده‌سازی شدند. برای پیش‌بینی افت در رژیم‌های مختلف جریان، یک رویکرد ترکیبی یادگیری ماشین به کار گرفته شده که طبقه‌بندی ایرفویل ها بر اساس تشکیل موج ضربه‌ای در سطح مکش ایرفویل را با شبکه‌های عصبی پرسپترون چندلایه ترکیب می‌کند. نتایج نشان می‌دهد که این مدل جانشینی قادر به پیش‌بینی افت با دقت بسیار بالا تا ۹۷٪ است که اثربخشی روش پیشنهادی را در مدل‌سازی آیرودینامیکی دقیق ایرفویل‌های چندقوسی در جریان‌های فروصوتی و فراصوتی تأیید می‌کند . |
| کلیدواژه ها |
| پایگاه داده ، ایرفویل‌های چندقوسی، پیش بینی افت فشار، شبکه عصبی، طبقه‌بندی |
| وضعیت: پذیرفته شده برای ارائه شفاهی |