پیش بینی خرابی خطوط لوله آسیب‎دیده با کمک شبیه سازی اجزاء محدود برهمکنش سیال-سازه و شبکه عصبی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
بروز شکست در خطوط لوله سبب خسارات زیادی از جمله آسیب به محیط زیست و منابع طبیعی و تحمیل هزینه های بالای تعمیرات می گردد. لذا در این پژوهش با بهره گیری از شبیه‎سازی اجزاء محدود پدیده برهمکنش سیال- جامد بین سیال عبوری و لوله آسیب دیده، توزیع تنش و خرابی در لوله آسیب دیده مورد بررسی شده است. با توجه به زمانبر بودن شبیه سازی برهمکنش سازه-سیال با روش اجزاء محدود، از یک شبکه عصبی مصنوعی نیز به منظور پیش بینی رفتار خطوط لوله آسیب دیده استفاده شده تا بتواند با تغییر شرایط کاری یا آسیب لوله رفتار آن را پیش‎بینی نماید. جهت آموزش این شبکه عصبی مصنوعی از الگوریتم انتشار بازگشتی بهره گرفته شده است. به این منظور، ابتدا بیشینه تنش ها در لوله معیوب برای مقادیر مختلف سرعت سیال، اندازه، فاصله و عمق آسیب با روش اجزاء محدود محاسبه و به عنوان تابع هدف در نظر گرفته شده است. سپس از مقادیر به دست آمده برای آموزش شبکه عصبی استفاده گردیده است. برای بدست آوردن ساختار بهینه شبکه عصبی و افزایش دقت آن، مقادیر پارامترهای طراحی با روش تاگوچی تعیین شده است. نتایج به دست آمده نشان دادند که ترکیب روش اجزا، محدود برای تحلیل برهمکنش سازه-سیال و روش شبکه عصبی مصنوعی، ابزار مناسبی برای بررسی و پیش بینی شکست در لوله های معیوب است.
زبان:
فارسی
صفحات:
105 تا 120
لینک کوتاه:
magiran.com/p2678519 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!