دانلود و نمایش مقالات مرتبط با دینامیک سیالات محاسباتی::صفحه 1
بلافاصله پس از پرداخت دانلود کنید
نتیجه جستجو - دینامیک سیالات محاسباتی

تعداد مقالات یافته شده: 7
ردیف عنوان نوع
1 Wake modeling of wind turbines using machine learning
مدل سازی توربین های بادی با استفاده از یادگیری ماشین-2020
In the paper, a novel framework that employs the machine learning and CFD (computational fluid dynamics) simulation to develop new wake velocity and turbulence models with high accuracy and good efficiency is proposed to improve the turbine wake predictions. An ANN (artificial neural network) model based on the backpropagation (BP) algorithm is designed to build the underlying spatial relationship between the inflow conditions and the three-dimensional wake flows. To save the computational cost, a reduced-order turbine model ADM-R (actuator disk model with rotation), is incorporated into RANS (Reynolds-averaged Navier-Stokes equations) simulations coupled with a modified k − ε turbulence model to provide big datasets of wake flow for training, testing, and validation of the ANN model. The numerical framework of RANS/ADM-R simulations is validated by a standalone Vestas V80 2MW wind turbine and NTNU wind tunnel test of double aligned turbines. In the ANN-based wake model, the inflow wind speed and turbulence intensity at hub height are selected as input variables, while the spatial velocity deficit and added turbulence kinetic energy (TKE) in wake field are taken as output variables. The ANN-based wake model is first deployed to a standalone turbine, and then the spatial wake characteristics and power generation of an aligned 8-turbine row as representation of Horns Rev wind farm are also validated against Large Eddy Simulations (LES) and field measurement. The results of ANNbased wake model show good agreement with the numerical simulations and measurement data, indicating that the ANN is capable of establishing the complex spatial relationship between inflow conditions and the wake flows. The machine learning techniques can remarkably improve the accuracy and efficiency of wake predictions.
Keywords: Wind turbine wake | Wake model | Artificial neural network (ANN) | Machine learning | ADM-R (actuator-disk model with rotation) | model | Computational fluid dynamics (CFD)
مقاله انگلیسی
2 Machine-learning based error prediction approach for coarse-grid Computational Fluid Dynamics (CG-CFD)
رویکرد پیش بینی خطا مبتنی بر یادگیری ماشین برای دینامیک سیالات محاسباتی درشت-شبکه (CG-CFD)-2020
Computational Fluid Dynamics (CFD) is one of the modeling approaches essential to identifying the parameters that affect Containment Thermal Hydraulics (CTH) phenomena. While the CFD approach can capture the multidimensional behavior of CTH phenomena, its computational cost is high when modeling complex accident scenarios. To mitigate this expense, we propose reliance on coarse-grid CFD (CG-CFD). Coarsening the computational grid increases the grid-induced error thus requiring a novel approach that will produce a surrogate model predicting the distribution of the CG-CFD local error and correcting the fluid-flow variables. Given sufficiently fine-mesh simulations, a surrogate model can be trained to predict the CG-CFD local errors as a function of the coarse-grid local flow features. The surrogate model is constructed using Machine Learning (ML) regression algorithms. Two of the widely used ML regression algorithms were tested: Artificial Neural Network (ANN) and Random Forest (RF). The proposed CG-CFD method is illustrated with a three-dimensional turbulent flow inside a lid-driven cavity. We studied a set of scenarios to investigate the capability of the surrogate model to interpolate and extrapolate outside the training data range. The proposed method has proven capable of correcting the coarse-grid results and obtaining reasonable predictions for new cases (of different Reynolds number, different grid sizes, or larger geometries). Based on the investigated cases, we found this novel method maximizes the benefit of the available data and shows potential for a good predictive capability.
Keywords: Coarse grid (mesh) | CFD | Machine learning | Discretization error | Big data | Artificial neural network | Random forest | Data-driven
مقاله انگلیسی
3 Performance improvement of optimization solutions by POD-based data mining
بهبود عملکرد راه حل های بهینه سازی توسط داده کاوی مبتنی بر POD-2019
The performance of an optimized aerodynamic shape is further improved by a secondstep optimization using the design knowledge discovered by a data mining technique based on Proper Orthogonal Decomposition (POD) in the present study. Data generated in the first-step optimization by using evolution algorithms is saved as the source data, among which the superior data with improved objectives and maintained constraints is chosen. Only the geometry components of the superior data are picked out and used for constructing the snapshots of POD. Geometry characteristics of the superior data illustrated by POD bases are the design knowledge, by which the second-step optimization can be rapidly achieved. The optimization methods are demonstrated by redesigning a transonic compressor rotor blade, NASA Rotor 37, in the study to maximize the peak adiabatic efficiency, while maintaining the total pressure ratio and mass flow rate. Firstly, the blade is redesigned by using a particle swarm optimization method, and the adiabatic efficiency is increased by 1.29%. Then, the second-step optimization is performed by using the design knowledge, and a 0.25% gain on the adiabatic efficiency is obtained. The results are presented and addressed in detail, demonstrating that geometry variations significantly change the pattern and strength of the shock wave in the blade passage. The former reduces the separation loss, while the latter reduces the shock loss, and both favor an increase of the adiabatic efficiency.
KEYWORDS : Aerodynamic shape optimization | Computational fluid dynamics | Data mining | Particle swarm optimization | Proper Orthogonal Decomposition | Transonic flow | Turbomachinery
مقاله انگلیسی
4 ارزیابی مقاومتِ دریچه در دریچه های آئورت تقسیم بندی شده با استفاده از دینامیک سیالات محاسباتی
سال انتشار: 2019 - تعداد صفحات فایل pdf انگلیسی: 10 - تعداد صفحات فایل doc فارسی: 29
تنگی دریچه آئورت با افزایش فشار بطن چپ وافت فشار دریچه ائورت همراه است . پزشکان بصورت مرتب از سونوگرافی داپلر بمنظور تخمین میزان شدت تنگی دریچه آئورت با براورد این افت فشار از سرعت جریان خون استفاده میکنند . با این حال ، این روش افت فشار تقریبی را براورد میکند ، و قادر به اندازه گیری فشار نسبی دیستال ریکاوری روی دریچه نیست . از انجا که افت فشار به جریان وابسته است ، بنابراین ارزیابی تاثیر چشمگیر تنگی روی بیمارانِ مبتلا به جریان پایین ،شیب غلظتی پایین بسیار دشوار است . پیشرفتهای اخیر در تکنیک های تقسیم بندی خاصِ بیماران ، انها را قادر به شبیه سازی دینامیک سیالات محاسباتی (CFD) از طریق دریچه ائورت میکند. در این مطالعه یک چارچوب شبیه سازی شده ارایه شده و از آن برای انالیز داده های مربوط به 18 بیمار استفاده شد . بطن و دریچه با استفاده از داده های بدست امده از تصویربرداری توموگرافی کامپیوتری چهار بعدی مجددا بازسازی شدند . حرکت بطن با استفاده از تصاویر پزشکی استخراج شد و بعنوان مدلی برای انقباض بطن و جریان خون متناظر به آن از طریق دریچه مورد استفاده قرار گرفت . ساده سازی چارچوب با تعریفِ دو مدل ساده سازی CFD انجام شد : مدل ساده وابسته به زمان و مدل حالت پایدار . ساده سازی مدل به دلایل چندی انجام شد بویژه در مورد افت فشار که بالاتر از 10 mmHg (میلیمتر جیوه) بود . علاوه بر این ، ما شاخص مقاومت دریچه را برای تعیین نتایج شبیه سازی پیشنهاد میکنیم . این شاخص را با معیارهای تعیین شده برای تصمیم گیری بالینی مورد مقایسه قرار دادیم ، برای مثال سرعت جریان خون و منطقه دریچه . مشخص شد که معیارهای اندازه گیری سرعت به تنهایی نمیتوانند میزان تنگی دریچه را منعکس نمیکنند . اینکار نشان میدهد که ترکیب داده های تصویر برداری چهار بعدی و CFD پتانسیلی برای بهبود معیارهای فیزیولوژیکی مربوط به اندازه گیری شدت تنگی دریچه ائورت خواهند بود .
واژگان کلیدی: تنگی دریچه آئورت | بیماری دریچه قلب | همودینامیک / دینامیک جریان خون | دینامیک سیالات محاسباتی | خاصِ بیمار .
مقاله ترجمه شده
5 شبیه‌سازی CFD یک جوشش جریانی نانوسیال نمک غلیظ در یک لوله‌ی مستطیلی شکل
سال انتشار: 2018 - تعداد صفحات فایل pdf انگلیسی: 11 - تعداد صفحات فایل doc فارسی: 37
قابلیت نانوسیال‌ها در بهبود انتقال حرارت و شار حرارتی بحرانی (CHF) در جوشش استخری شناخته شده است. جوشش جریانی معمولا به‌وسیله‌ی روابط انتقال حرارت بررسی می‌شوند. اما در مورد نانوسیال محلول نمک غلیظ، این روابط مناسب نیست. یک مدل با استفاده از کد تجاری CFD و با توابع تعریف شده‌ توسط کاربر توسعه داده شده است؛ (UDF) برای این مورد معرفی می‌شود تا گرما و انتقال جرم را در مجرای بویلر برای بخار جاذب تبرید تعیین کند. شبیه‌سازی دینامیک سیالات محاسباتی (CFD) برای بررسی تأثیرات کسرهای حجمی متغییر، سرعت سیال و دمای بویلر بر روی جوشش و مشخصه‌های تغییرات فاز در سیستم ارائه شده است. در این تحقیق، چهار فاز یعنی استون مایع، استون بخار، محلول ZnBr2/استون مایع و نانوذرات جامد مورد آزمایش قرار گرفته‌اند. نانوذرات اکسید روی به‌‌‌عنوان فاز شبه‌سرد در مخلوط عمل می‌کنند. علاوه بر این، این مطالعه، پارامترهای کلیدی بر روی سیستم نانوسیال، رفتار فازها و تأثیرات مؤلفه‌های مختلف وقتی که مؤلفه‌های جزئی نبخیر می‌شوند را ارزیابی می‌کند. در پژوهش قبلی، از آب به‌عنوان سیال پایه در مبردها و سیالات انتقال حرارت استفاده شده بود. در این تحقیق، فرآیند با استفاده از نرم‌افزار انسیس فلوئنت نسخه 15 و مدل جریان چندفازی مخلوط، مدل‌سازی شده است؛ همچنین از روش حجم سیالی (VOF) برای بررسی رفتار فاز بخار استفاده شده است. از UDF مورد استفاده در پژوهش (لی، 1980) برای جوشش نانوسیالات بهره گرفته شده است تا انتقال جرم را بر روی جوشش مدل کند. نتایج نشان داد که افزایش بارگذاری نانوسیالات (صفر، 1/0، 3/0، 5/0 و 1 درصد حجمی) منجر به افزایش کسر حجی بخار و ضریب انتقال حرارت می‌شود. این موضوع به این دلیل است که افزایش انتقال حرارت سیستم منجر به زیاد شدن هدایت حرارتی نانوسیال می‌شود. زیاد شدن دمای بویلر (330، 333 و 335 کلوین) باعث افزایش کسر حجمی بخار و ضریب انتقال حرارت می‌شود چون زمانی که فرآیند هنوز در مرحله‌ی جوشش هسته‌ای است، شار حرارتی با افزایش اختلاف دما بیشتر می‌گردد. این روش جدید برای سیستم چهار فازی می‌تواند، جوشش نانوسیال محلول نمک غلیظ را تعیین کند.
کلمات کلیدی: استون- ZnBr2 | ZnO | نانوسیال | جوشش | CFD | انتقال حرارت | انتقال جرم | لوله‌ی مستطیلی شکل | تغییر فاز.
مقاله ترجمه شده
6 A reduced order model for uncoupled and coupled cascade flutter analysis
A reduced order model for uncoupled and coupled cascade flutter analysis-2016
It is computation-intensive and time-consuming to conduct the direct numerical simula- tion of the fluid and structure interaction of an entire blade row. This paper presents a reduced-order model (ROM) that significantly improves the efficiency of turbomachinery flutter analysis. This ROM is constructed with the system identification technique and under the modal theory through a single implementation of unsteady flow computation of several blade passages. The ROM for uncoupled flutter analysis can obtain the aero- dynamic damping coefficients of all the Inter-Blade Phase Angles (IBPA) and structural nature frequencies. The ROM for coupled flutter analysis is to solve the eigenvalues of aeroelastic equations established by coupling the ROM with the structural dynamic equations of the whole annular blade row in state-space form. This ROM method is vali- dated by its application to two test cases—an axial-flow cascade (Standand Test Config- uration 4, STCF4) and a transonic axial-flow fan rotor (NASA Rotor 67). The results verify the capability of the proposed ROM method to compute the flutter characteristics of tur- bomachinery blades accurately and efficiently. Compared with the direct unsteady com- putational fluid dynamic (CFD) method (the direct unsteady Navier–Stokes method and fluid–structure coupling method), the computational efficiency of the ROM method is improved by more than 10 times. The comparison shows that the damping coefficients and vibration frequencies of coupled flutter calculation are close to uncoupled results when mass ratio increases. This ROM approach is highly suitable for the parametric, mistuning, and multi-mode coupling analysis at the early stage of turbomachinery blade design.& 2015 Elsevier Ltd. All rights reserved.
Keywords: Cascade flutter | Reduced-order model | Computational fluid dynamic | Uncoupled method | Fluid–structure coupling
مقاله انگلیسی
7 Design Optimization of the Primary Pump of a Nuclear Reactor
طراحی بهینه پمپ اولیه یک راکتور هسته ای-2015
Engineers are often challenged by designing new equipment without any prior knowledge or guidance from an existing similar product. The large degree of freedom that this generates can become a bottleneck as it could lead to a loss of global oversight and may even lead to wrong, uninformed choices. It is essential to have a large exploration of the design space to allow for innovative solutions, on the other hand it is important to introduce a high level of detail as early as possible in the design process to increase the reliability of the model predictions, which drive the decision process. This leads to awell-known conflict wheremore knowledge is needed upfront in the design process in the early stages of the design, and a larger degree of freedom is needed near the end of the design process where typically more knowledge is available. In this work it is demonstrated how modern design optimization tools can be effectively used to integrate the preliminary with the detailed design process. The key to achieve a good balance between design exploration and detailed design is obtained by reducing the parameters that are fixed during the preliminary design to an absolute minimum, such that the detailed design phase has still a large degree of freedom. The parameters that are fixed in the preliminary design phase are moreover those parameters that have a pronounced influence on the design performance and can be reliably predicted by a lower detail analysis code. Both preliminary and detailed design processes rely heavily on optimization techniques. Due to the larger computational cost in the detailed design phase, a surrogate model based optimization is used opposed to an evolutionary algorithm in the preliminary design phase. The application within this paper is the design of a liquid-metal pump for the primary cooling system of the advanced nuclear reactor MYRRHA conceived by the Belgian research center (SCK·CEN). This single stage axial-flow pump has unique design requirements not met by any previously designed pump, and hence demands for a novel approach. Keywords Turbomachinery · Design optimization · Computational fluid dynamics
مقاله انگلیسی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi