شبیه سازی شدت آشفتگی جریان سیال بر روی صفحه تخت با استفاده از شبکه عصبی مصنوعی

جریان آشفته به نوعی جریان اطلاق می شود که مشخصه آن تغییرات اتفاقی و بی سازمان خصوصیات سیال است در این جریان بواسطه فرآیند های اختلاطی شدید جز در نواحی بسیار نزدیک به دیواره شکل لایه های جریان به راحتی قابل تشخیص نبوده و ذرات سیال مسیر مشخصی را طی نمی کنند. از این رو همواره شناسایی جریان آشفته و بدست آوردن پارامترهای این جریان از جمله مهم ترین دغدغه های محققین در این زمینه بوده است. به همین سبب در این مقاله به شبیه سازی شدت آشفتگی جریان سیال بر روی صفحه تخت با استفاده از شبکه عصبی مصنوعی پرداخته شده است. جریال سیال بر روی صفحه تخت در بازه اعداد رینولدز 10 6 تا 10 9 با استفاده از مدل تنش رینولدز مدل سازی شده است سپس شدت آشفتگی حاصل از مدل سازی با استفاده از یک شبکه پس انتشار پس خور 3 لایه با تابع آموزش لونبرگ - مارکواردت براساس عدد رینولدز و مختصات هرنقطه از میدان جریات سیال شبیه سازی شده است . نتایج حاصل از این مقاله نشان دادند که مدل آشفتگی تنش رینولدز دقت بسیار بالایی در مدل سازی جریان آشفته دارد و همچنین بیانگر این است که شبکه عصبی پس انتشار پس خور یک شبکه عصبی مناسب و دارای سرعت بالا در شبیه سازی شدت آشفتگی این جریان را دارد.