دانلود مقاله انگلیسی رایگان:توابع شبکه عصبی مبتنی بر داده های CFD برای پیش بینی عملکرد هیدرودینامیکی یک پروانه سیکلوئید دریایی کم فشار - 2020
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2

با سلام خدمت کاربران در صورتی که با خطای سیستم پرداخت بانکی مواجه شدید از طریق کارت به کارت (6037997535328901 بانک ملی ناصر خنجری ) مقاله خود را دریافت کنید (تا مشکل رفع گردد). 

دانلود مقاله انگلیسی شبکه های نورونی رایگان
  • CFD data based neural network functions for predicting hydrodynamic performance of a low-pitch marine cycloidal propeller CFD data based neural network functions for predicting hydrodynamic performance of a low-pitch marine cycloidal propeller
    CFD data based neural network functions for predicting hydrodynamic performance of a low-pitch marine cycloidal propeller

    دسته بندی:

    شبکه های نورونی - neuron-networks


    سال انتشار:

    2020


    عنوان انگلیسی مقاله:

    CFD data based neural network functions for predicting hydrodynamic performance of a low-pitch marine cycloidal propeller


    ترجمه فارسی عنوان مقاله:

    توابع شبکه عصبی مبتنی بر داده های CFD برای پیش بینی عملکرد هیدرودینامیکی یک پروانه سیکلوئید دریایی کم فشار


    منبع:

    Sciencedirect - Elsevier - Applied Ocean Research, 94 (2020) 101981. doi:10.1016/j.apor.2019.101981


    نویسنده:

    Mohammad Bakhtiari, Hassan Ghassemi⁎


    چکیده انگلیسی:

    Today, various types of propulsion systems are used in different purpose ship types. Marine cycloidal propeller (MCP) is one of these propulsion systems, which has been designed for ships that require high maneuverability. MCP can be considered as an especial type of marine propulsion systems, since it produces the thrust force which is perpendicular to propeller axis of rotation. The magnitude and direction of the thrust force can be adjusted by controlling the pitching angle of the blades, so no separate rudder is needed to manoeuvre the ship. In this study, mathematical functions for predicting the open water hydrodynamic performance of a low-pitch MCP are presented by training a neural network based on computational fluid dynamics (CFD) data. For this purpose, the four nondimensional parameters of blade number (Z), ratio of blade thickness to MCP diameter (t/D), pitch (e) and advance coefficient (λ) are considered as input variables, whereas the hydrodynamic coefficients of thrust (Ks) and torque (Kd) are considered as targets. CFD simulations are performed for different cases of MCP with different combinations of Z, t/D, e and λ. The results showed that a two-layer feedforward network with one hidden layer of sigmoid neurons and at least 4 neurons in the hidden layer can be well trained by CFD data in order to obtain functions with good accuracy in predicting Ks and Kd coefficients of a low-pitch MCP.
    Keywords: Marine cycloidal propeller | Hydrodynamic performance | CFD simulation | Neural network | Predictive function


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 16
    حجم فایل: 12696 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 1927 :::::::: بازدید دیروز: 2317 :::::::: بازدید کل: 4244 :::::::: افراد آنلاین: 6