CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

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

عنوان مقاله: پیش بینی خرابی خطوط لوله آسیب‎دیده با کمک شبیه سازی اجزاء محدود برهمکنش سیال-سازه و شبکه عصبی
شناسه ملی مقاله: JR_JSFM-13-5_007
منتشر شده در در سال 1402
مشخصات نویسندگان مقاله:

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

خلاصه مقاله:
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.

کلمات کلیدی:
عیوب لوله های انتقال سیال, برهمکنش سازه-سیال, شبکه عصبی مصنوعی, تحلیل شکست

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1914457/