پديد آورنده :
مقدس، فائزه
عنوان :
تخمين فشار و افت فشار در جريان هاي دوفازي آب و هوا با استفاده از سيستم عصبي - فازي تطبيقي و الگوريتم بهينه سازي ازدحام ذرات
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
عمران - آب
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده عمران
صفحه شمار :
چهارده، 95ص.: مصور، جدول، نمودار
يادداشت :
ص.ع. به فارسي و انگليسي
استاد راهنما :
عبدالرضا كبيري ساماني، مريم ذكري
استاد مشاور :
مهران صفاياني
توصيفگر ها :
جريان دوفازي , خوشه بندي فازي
تاريخ نمايه سازي :
18/3/94
استاد داور :
احمد شانه ساززاده، آراده احمدي
تاريخ ورود اطلاعات :
1396/10/02
چكيده فارسي :
1 چكيده جريان دوفازي در سازههاي گوناگون از جمله سيستمهاي انتقال آب و خطوط لولهي دريايي انتقال نفت و در سازههاي هيدروليكي از جمله سرريزهاي نيلوفري شفتهاي قائم كالورتها و تونلها و مجاري بسته اتفاق ميافتد وقوع گردابهها در سازههاي هيدروليكي باعث ورود هوا و تشكيل جريان دوفازي ميشود موضوع بسيار مهم در اين نوع جريانها طبيعت نوساني و وابسته به زمان آنهاست كه بر فشار و افت فشار تأثير ميگذارد بنابراين پيشبيني فشار و افت فشار در جريانهاي دوفازي جهت طراحي بهينه و مناسب و جلوگيري از وقوع مشكلات ناخواسته در اثر ايجاد جريانهاي دوفازي امري ضروري است عليرغم تمامي مطالعات انجام شده اكثر تحقيقات پيشين در ارتباط با مجاري با قطر كم صورت گرفته است و در ارتباط با مجاري با اقطار بالا نظير آنچه در مهندسي هيدروليك به عنوان مجراي انتقال آب مورد نظر است مطالعات بسيار اندكي وجود دارد لذا در اين تحقيق مدلهايي جامع جهت پيشبيني فشار و افت فشار در جريانهاي دوفازي آب و هوا با استفاده از شبكههاي عصبي و سيستم عصبي فازي تطبيقي انفيس ارائه ميشود امروزه استفاده از اين مدلها به دليل قابليت آنها در پيش بيني رفتار توابع غيرخطي پيچيده مورد استقبال محققين در علوم مختلف قرار گرفته است از آنجايي كه مدل انفيس در مواجهه با فرآيندهاي پيچيده با تعداد پارامترهاي زياد قوانين زيادي توليد ميكند و حجم محاسبات را بيشتر ميكند استفاده از پيشپردازش خوشه بندي فازي كارآيي مدل انفيس را بيشتر و حجم محاسبات را كمتر مي كند در روش خوشهبندي فازي دادههاي ورودي به دستههايي مستقل تقسيمبندي شده و در نتيجه به ازاي هر دسته يك قانون تشكيل ميشود و در نتيجه تعداد قوانين بسيار كاهش مييابد در اين پژوهش روش خوشه بندي فازي مورد نظر روش SUBCLUST است كه در مورد مدل پيشبيني فشار متوسط استفاده شده است استفاده از الگوريتم بهينهسازي ازدحام ذرات يكي ديگر از تكنيكهاي بهبود نتايج در اين تحقيق است رايج ترين الگوريتم براي آموزش شبكههاي عصبي الگوريتم استاندارد پس انتشار خطا است كه بر اساس روش گراديان كاهشي در بهينهسازي در برخورد با اولين بهينهي محلي متوقف ميشود بنابراين در اين پژوهش براي تنظيم وزنها و باياسهاي شبكههاي عصبي از الگوريتم ازدحام ذرات استفاده شده است در مدلهاي انفيس نيز در رابطه با تنظيم پارامترها الگوريتم تركيبي ازدحام ذرات و حداقل مربعات كه الگوريتم تركيبي انفيس HPA PSO نام دارد به كار رفته است نتايج تحقيق در مورد ضريب افت فشار نشان ميدهد كه مدلهاي شبكه عصبي و عصبي فازي تطبيقي هر دو توانستهاند نسبت به روابط تجربي نتايج بهتري ارائه كنند و مدلهاي انفيس همراه با الگوريتم ازدحام ذرات در پيشبيني ضريب افت فشار نسبت به مدلهاي شبكه عصبي دقت بسيار بالاتري دارند همچنين نتايج در مورد فشار متوسط نشان ميدهد كه
چكيده انگليسي :
103 Estimation of Pressure and Pressure Loss in Two Phase Air Water Flow Using Adaptive Neuro Fuzzy Inference System ANFIS and PSO Optimization Algorithm Faezeh Moghadas f moghadas@cv iut ac ir Date of Submission January 11 2015 Department of Civil Engineering Isfahan University of Technology Isfahan 84156 83111 Iran Degree M Sc Language FarsiSupervisors Dr Abdolreza Kabiri Samani akabiri@cc iut ac ir mzekri@cc iut ac ir Supervisors Dr Maryam Zekri safayani@cc iut ac ir Advisor Dr Mehran SafayaniAbstract Two phase gas liquid flows occur in a wide variety of situations i e in water supply systems petroleumindustry pressurized tunnels and pipelines culverts and water conduits Air entrainment into a pipeline is theresult of vortices at water intakes Due to the severity of two phase air water flow at hydraulic systems estimation of the pressure and pressure loss in such systems is of great importance Most of the formerstudies have focused on two phase gas liquid flow in micro channels and small pipelines Lack of studiesexists on pipelines with larger dimensions as used in hydraulic engineering This situation becomes evenmore complicated because the exact shapes and locations of the regions occupied by air and water areunknown as the air water interface deforms The most common two phase flow regimes that are attainable inpipelines are bubbly slug wavy stratified and annular flow The mutual effects of gas and liquidspecifications make the behavior of two phase flows complex and periodic with different parametersinvolved Among different two phase gas liquid flow patterns slug flow is the most complex flow withextremely variation of pressure Therefore more researches on this flow pattern seems to be necessary In this study the variations of pressure and pressure loss coefficient are estimated using artificial neuralnetworks ANN and adaptive neuro fuzzy inference system ANFIS Recently these models have beenused in different practical situations to predict complex nonlinear relations among the parameters The
استاد راهنما :
عبدالرضا كبيري ساماني، مريم ذكري
استاد مشاور :
مهران صفاياني
استاد داور :
احمد شانه ساززاده، آراده احمدي
