Felütköző sugár hőátadási tényezőjének meghatározása neurális hálózattal
Felütköző sugarat gyakran alkalmaznak az iparban testek hűtésére vagy fűtésére, mivel a sugár becsapódása a célfelületbe magas hőátadási tényezőt eredményez. A helyi hőátadási tényező meghatározása számos méréstechnikai problémát vet fel, főként, ha tranziens folyamatot vizsgálunk. A hőátadási tényező inverz módszeren alapuló meghatározása a mérést egyszerűsíti, viszont a kiértékeléshez egy bonyolult inverz hővezetési feladatot kell megoldani. Az inverz megközelítés további előnye, hogy nem igényli a probléma áramlástani részének kezelését, a számítás szilárd testen belüli hővezetési modellen alapszik.
Dolgozatomban egy körszimmetrikus felütköző sugár hőátadási tényezőjét keresem egy körszimmetrikus próbatest (korong) hátoldalán mért tranziens hőmérséklet-eloszlás alapján. Az inverz feladatot mesterséges neurális hálózattal oldom meg.
A mesterséges neurális hálózatok az emberi idegrendszer néhány tulajdonságát modellező algoritmusok, amelyekben egymással összekapcsolt elemi részegységek (neuronok) végzik a számításokat. A neurális hálózatok adatminták alapján képesek függvénykapcsolatot megtanulni, így alkalmazásuk akkor célszerű, ha sok ki- és bemeneti értékpár áll rendelkezésre a köztük fennálló függvénykapcsolat ismerete nélkül (jelen esetben az inverz hővezetési feladatban).
A neurális hálózat betanításához szükség van az egyenes feladat megoldására, melyhez véges differencia módszert alkalmazok. A hővezetés egy R sugarú, d vastagságú korongban megy végbe, melynek felső lapját éri a felütköző sugár, amit α1(r) hőátadási tényező, és T∞1 közeghőmérséklet jellemez. A test fennmaradó felületei α2-vel és T∞2-vel leírható hőátadásnak vannak kitéve (nyugvó levegő). Az egyenes feladat tehát egy kétdimenziós geometriára vonatkozó tranziens hővezetési probléma. A peremfeltételeket időben állandósultnak tekintjük. T∞1, T∞2 valamint α2 hely szerint is állandó, míg α1(r) változik a sugár mentén. A véges differencia-módszer eredményeit végeselemes módszerrel validálom.
A hálózat bemenetei a hátlap diszkrét pontjain mérhető tranziens hőmérséklet görbék lesznek, kimenete pedig az α1(r) sugár mentén változó hőátadási tényező függvény lesz. A dolgozat célja az α1(r) minél pontosabb meghatározása a hátoldali hőmérsékletmező ismerete alapján. A dolgozat kitér az α1(r) függvény különböző reprezentációinak vizsgálatára is (például Gauss-görbe, polinomiális függvény illetve táblázatos megadás).
Irodalom:
1. A. Ryfa, D. Ingham, and R.A. Bialecki: Direct and Inverse Methods for an Air Jet Impingement. Numerical Heat Transfer, Part A: Applications: An International Journal of Computation and Methodology, 61:7, 547-568, 2012.
2. B. Kröse, P.van der Smagt: An introduction to Neural Networks, University of Amsterdam, 8th edition, 1996.
3. G. Ács, B. Czél: Estimation of the Heat Transfer Coefficient by Neural Network, Proceedings of 10th International Conference on Heat Engines and Environmental Protection, Balatonfüred, Hungary, May 23-25, 2011.
szerző
-
Ács Gergely
gépészeti modellezés
nappali (angol nyelvű)
konzulens
-
Dr. Czél Balázs
adjunktus, Energetikai Gépek és Rendszerek Tanszék
