پیش بینی جریان در دیفیوزر نامتقارن دو بعدی توسط شبکه عصبی و مقایسه نتایج با سه مدل آشفتگی و داده های تجربی

در کار حاضر جریان آشفته در یک دیفیوزر دو بعدی نامتقارن مورد بررسی و مطالعه قرار گرفته است. در بسیاری از کاربردها، اطلاع از این که آیا لایه مرزی از سطح یا داخل یک جسم خاص جدا می شود و این که دقیقا جداسازی جریان در کجا رخ می دهد، از اهمیت خاصی برخوردار است. ترکیب داده های آشفتگی با هوش مصنوعی در حال حاضر یک موضوع تحقیقاتی فعال برای مطالعه آشفتگی است. در این مقاله پیش بینی جدایش جریان با وجود گرادیان فشار معکوس در دیفیوزر دوبعدی نامتقارن، با استفاده از سه مدل آشفتگی شامل مدل استاندارد k-e، مدل استاندارد k-w و مدل SST k-w و مدل هوشمند شبکه عصبی مصنوعی (ANN) مورد بررسی و مقایسه قرار گرفته است. برای شبیه سازی عددی و حل معادلات حاکم از نرم افزار فلوینت استفاده شده است. نتایج در فواصل 21، 29، 39 و 49 سانتی متری از لبه دیفیوزر مورد تحلیل قرار گرفتند و با داده های تجربی مقایسه شدند. x و y/H هر نقطه به عنوان ورودی و U/U0 سرعت در آن نقطه به عنوان خروجی شبکه عصبی درنظر گرفته شده است. شاخص های آماری RMSE, MBE, t-test برای نقاط موردنظر محاسبه و گزارش شده است. مدل شبکه مصنوعی نسبت به سه مدل آشفتگی، پیش بینی بهتری از جدایش جریان را نشان می دهد و مدل استاندارد k-e نسبت به مدل های دیگر پیش بینی ضعیف تری را نشان می دهد. این تحقیق چشم انداز مدل سازی آشفتگی را با روش های یادگیری ماشین به خصوص شبکه عصبی نشان می دهد.