این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
سوخت و احتراق، جلد ۷، شماره ۱، صفحات ۳۵-۵۳
عنوان فارسی مدلسازی اندرکنش شعله پیش مخلوط با اغتشاشات میدان جریان براساس شبیه سازی گردابه های بزرگ (LES) با به کارگیری شبکه عصبی مصنوعی در سینتیک شیمیایی احتراق
چکیده فارسی مقاله در این تحقیق، کارآیی شبکهandshy; های عصبی مصنوعی بهandshy; عنوان عامل انتگرالگیر از دسته معادلات دیفرانسیلی غیرخطی حاکم بر سینتیک شیمیایی احتراق در مدلسازی LES شعله پیشandshy; مخلوط مغشوش نشان داده شده است. آموزش شبکه عصبی مصنوعی براساس الگوریتم آموزشی خطای پسandshy; انتشار صورت گرفته است که در آن ضرایب مدل آموزشی به andshy;طور دینامیکی و سازگار با توپولوژی تابع خطا معین می andshy;شوند. جدول بانک اطلاعاتی آموزش شبکه عصبی براساس مطالعات مستقل شعله با استفاده از مدل احتراقی زیرشبکه andshy;ای اختلاط خطی گردابه بنا شده است و شبکه عصبی آموزشandshy; دیده، بهandshy; طور موفقیت آمیز در سینتیک شیمیایی مدلسازی LES اندرکنش اغتشاشات میدان جریان مغشوش با جبهه شعله در نسبتandshy; های هم andshy;ارزی و سطوح اغتشاشی مختلف استفاده شده است. نتایج این تحقیق نشان میandshy; دهد که زمانی که شبکه andshy;های عصبی مصنوعی بهandshy; درستی آموزش داده شوند، قادرند که نرخ واکنش گونهandshy; های شیمیایی را با دقت بسیار بالا و با بازدهی بالاتری به andshy;لحاظ هزینهandshy; های محاسباتی حافظه و زمان نسبت به روشandshy; های رایج انتگرالگیری مستقیم و جداول جستجوی مقادیر پیشandshy; بینی کنند. نتایج حل عددی میدان جریان نیز تطابق کاملی با نتایج مطالعات گذشته نشان می andshy;دهند.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Large Eddy Simulation of the Premixed Flame-Turbulence Interactions using Artificial Neural Network in Chemical Kinetics Tabulation
چکیده انگلیسی مقاله A large eddy simulation (LES) of premixed flame-turbulence interaction is performed with special emphasis on computing the instantaneous chemical species reaction rates with the recently developed approach of artificial neural networks (ANNs) for chemical kinetics. Training of the neural network is based on an independent flame study using linear eddy mixing technique. An analysis of computational performance, considering CPU time and a comparison between the performance of artificial neural network technique and other conventional methods is used to represent the chemical kinetics such as direct integration (DI) - and the ability of neural networks to model the highly non-linear and stiff chemistry ODEs is illustrated. The sub-grid combustion model of the LES is based on a linear eddy mixing model while a skeletal multi-species, multi-step chemical kinetic mechanism is applied for the combustion. A feed-forward, multi-layer architecture is chosen for the neural network and the training algorithm is based on a back-propagation gradient descent rule with adaptive learning rate and individual momentum factors for the weight coefficients. The flow field distribution and the flame characteristics obtained by LES with neural network based chemical kinetics tabulation, are in reasonable agreement with previous direct numerical simulation (DNS) study of the flame. The results show if the neural network is trained accurately, it can predict the instantaneous chemical species reaction rates in LES framework.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله پیام سینایی نویسنده مسیول | payam sinaei nevisandeh election
دانشگاه صنعتی امیرکبیر
سازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (Amirkabir university of technology)

دکتر صادق تابع جماعت | mohammad sadegh tabe jamaat
دانشگاه صنعتی امیرکبیر
سازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (Amirkabir university of technology)

دکتر ناصر سراج مهدیزاده | mohammad naser seraj mehdizadeh
دانشگاه صنعتی امیرکبیر
سازمان اصلی تایید شده: دانشگاه صنعتی امیرکبیر (Amirkabir university of technology)

نشانی اینترنتی http://jfnc.ir/en/ManuscriptDetail?mid=30
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده Research Paper
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات