پیش بینی خرابی خطوط لوله آسیبدیده با کمک شبیه سازی اجزاء محدود برهمکنش سیال-سازه و شبکه عصبی
Publish place: Journal of Solid and Fluid Mechanics، Vol: 13، Issue: 5
Publish Year: 1402
نوع سند: مقاله ژورنالی
زبان: Persian
View: 21
This Paper With 16 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JSFM-13-5_007
تاریخ نمایه سازی: 28 بهمن 1402
Abstract:
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.
Keywords:
Authors
مصطفی شیرافکن
دانشجوی کارشناسی ارشد، دانشکده مهندسی مکانیک، دانشگاه صنعتی بابل
حامد افراسیاب
دانشیار، دانشکده مهندسی مکانیک، دانشگاه صنعتی بابل
علی دیوسالار
استادیار، دانشکده مهندسی مواد و صنایع، دانشگاه صنعتی بابل
علی محمد باغستانی
استادیار، دانشکده مهندسی مکانیک، دانشگاه صنعتی بابل
معین رحمتی
دانشجوی دکتری، دانشکده مهندسی مکانیک، دانشگاه صنعتی نوشیروانی بابل
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :