A reduced order data driven approach for shape optimization of hull vane
Tekne kıç kanadı şekil optimizasyonu için mertebesi düşürülmüş veri odaklı bir yaklaşım
- Tez No: 600245
- Danışmanlar: DOÇ. DR. DEVRİM BÜLENT DANIŞMAN
- Tez Türü: Yüksek Lisans
- Konular: Gemi Mühendisliği, Marine Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Gemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Gemi İnşaatı ve Gemi Makineleri Mühendisliği Bilim Dalı
- Sayfa Sayısı: 72
Özet
Gemi gövdesi üzerinde direnci azaltmak için birçok farklı enerji tasarrufu sağlayan takıntılar kullanılmaktadır. Bu sistemlerden bir tanesi de gemi ayna kıçına enine sabitlenen hidrofoil kanat şeklindeki patentli tekne kıç kanadıdır (Hull Vane). Gemi kıç geometrisinden dolayı ivmelenerek gelen akış kanat üzerinde kaldırma ve direnç kuvvetlerini oluşturur. Kaldırma kuvvetinin yatay bileşeni direnç kuvvetinin yatay bileşeninden daha fazla olması sebebiyle geminin ilerleme doğrultusuna doğru ilave bir kuvvet oluşturur. Ayrıca kanat üzerindeki kaldırma kuvveti, geminin kıça trimini engelleyerek geminin dizayn su hattında yüzmesini dolayısı ile performansının artmasını sağlar. Bir diğer değişim ise gemi kıç dalga sisteminde meydana gelir. Kanadının emme yüzeyinde ki düşük basınç alanı ile gemi kıç bölgesinde ki yüksek basınç alanı çakışır. Böylece kıç dalga sisteminde ki dalga tepeleri ve dalga çukurları sönümlenir. Yukarıda belirtilen etkiler sonucunda tekne kıç kanadı kullanılması durumunda gemi direnci önemli ölçüde düşürülür. Daha önce ki çalışmalarda, gemi direncini daha da düşürebilmek için kanadın pozisyonu ve uzunluğuna dair patent sahibi şirket içerisinde optimizasyon çalışmaları gerçekleştirilmiştir. Kanadın kesit şeklinin gemi direncine olan etkisinin önemli olmayacağı düşünülerek detaylı bir optimizasyon çalışması yapılmamıştır. Bu çalışma kapsamında viskoz akış çözücü kullanılarak, boyut indirgeme analizi ve makine öğrenmesi olmak üzere veri odaklı teknikler yardımıyla gemi direncini daha da düşürebilmek için tekne kıç kanadının kesit şeklinin optimizasyonu gerçekleştirilmiştir. Tekne kıç kanadının kesit şeklini oluşturmak için daha önce 2 boyutta bir hidrofoilin şekil optimizasyonu için temel dizayn parametrelerine bağlı olarak hazırlanmış VBScript programlama dilinde ki parametrik model kod kullanılmıştır. Parametrik kodu oluşturan temel dizayn parametreleri hidrofoilin maksimum kalınlığı, kamburluğun maksimum kalınlığı, maksimum kalınlığın boyuna konumu, kamburluğun maksimum kalınlığının boyuna konumu, ayrılma kenarının yatay düzlem ile arasında ki açı, kamburluğun ayrılma kenarının yatay düzlem ile arasında ki açı ve baş taraf form faktörü olmak üzere yedi adettir. Ardından NACA 4412 profilinin parametrik model kodundaki dizayn parametrelerinin değerleri belirlenmiştir. NACA 4412 profilinin dizayn değerlerinin %20, %30 ve %40'ı olacak şekilde dizayn parametrelerinin alt ve üst sınır değerleri belirlenmiştir. Daha sonra düzgün rastgele dağılım ile 1000 adet verinin yarısı %20'lik sınır değerleri içerisinde, %30'u %20-%30 sınır değerleri arasında ve geriye kalan %20'si ise %30-%40 sınır değerleri arasında oluşturulmuştur. Veri setinin bu şekilde sıralı sınırlar içerisinde oluşturulmasının sebebi tek bir nokta etrafında yoğunlaşmasını engelleyerek düzgün rastgele dağılmasını sağlamak olmuştur. Oluşturulmuş çok değişkenli veri setinin içerisindeki bilgiyi daha az değişkenle ve minimum geometrik bilgi kaybıyla açıklamak için Temel Bileşen Analizi (PCA) tekniği uygulanmıştır. Analiz sonucunda kesit şeklini oluşturan 7 temel dizayn parametresinin yerine ilk iki temel bileşen (değişken) tarafından kesit şekli %85.5 geometrik varyasyon ile temsil edilebilmektedir. Ardından yukarıda açıklanan aynı teknik kullanılarak 100 adet veri düzgün rastgele dağılım ile temel bileşen uzayında oluşturulmuştur. Parametrik model kod yardımıyla veriler kullanılarak kıç kanadı örnekleri oluşturulmuş aynı parametrik model kod içerisinde gemi arkasına entegre edilmiştir. Gemi ile birleştirilmiş her bir kıç kanadı örneğinin viskoz analizi hesaplamalı akışkanlar dinamiği (HAD) yardımıyla gemi toplam direncini hesaplamak için gerçekleştirilmiştir. HAD analizleri için açık kod kaynaklı OpenFOAM yazılımı kullanılmıştır. Hesaplamalı çalışma 3 boyutta, sıkıştırılamaz, zamana bağlı Reynolds Ortalaması Alınmış Navier-Stokes (URANS) denklemlerinin çözümü için sonlu hacim yöntemi ayrıklaştırması ile yürütülmüştür. Türbülans modeli olarak SST k-ω, zaman ayrıklaştırması için birinci derece kapalı şema, basınç-hız eşleştirmesi için daha fazla hesaplama zamanı gerektiren ancak daha stabil sonuçlar veren PIMPLE algoritması tercih edilmiştir. Analizler gerçek deney koşullarını modellemek amacıyla hava-su olmak üzere çift fazda, geminin baş kıç vurma ve dalıp çıkma hareketleri serbest bırakılarak gerçekleştirilmiştir. Bu bağlamda çift fazlı, sıkıştırılamaz ve birbirine karışmayan gemi etrafında ki akış, VOF tekniği yaklaşımı ile aynı zamanda çözüm ağı topolojisini değiştirerek gemi hareketlerini modelleyebilen, OpenFOAM kütüphanesinde ki“interDyMFoam”çözücüsü ile modellenmiştir. Temel bileşenler cinsinden oluşturulan tekne kıç kanadı örnekleri ve karşılık gelen HAD analiz sonuçlarından elde edilen gemi toplam direnç değerleri ile makine öğrenme modelinde kullanılacak veri seti oluşturulmuştur. Bu çalışmada makine öğrenmesi modeli olarak MATLAB yazılımının yapay sinir ağları (ANN) araç kutusu kullanılmıştır. Veri setinin %75'i eğitim sürecine ayrılmıştır. Algoritmanın içerisinde ki ağırlık katsayılarının ayarlanması ile ANN modeli eğitilmiştir. Eğitim sonucu elde edilen modelin tahmin değerleri ile sonuçlar aşırı uyum içerisinde ise başka bir veri seti için doğru olmayan tahminler oluşturacaktır. İkinci aşama olan doğrulamada, ağırlıkların ilk tahmin değerleri ya da aktivasyon fonksiyonunun türü deriştirilerek aşırı uyum problemi engellenir. Bu aşamada veri setinin %15'i kullanılmıştır. Son aşamada, eğitilen yapay sinir ağları modeli diğer aşamalardan bağımsız olarak veri setinin %10'u ile test edilmiştir. Eğitimi ve testi tamamlanmış yapay sinir ağları modelinin tahmin sonuçları ile HAD analizlerinin sonuçları arasında ki lineer regresyon eğrisi incelenmiştir. Regresyon eğrisinin eğiminin 1'e oldukça yakın olduğu dolayısı ile başarılı bir ANN modelinin kurulduğu gösterilmiştir. Optimizasyon sürecinde de MATLAB'ın yardımcı yazılımı kullanılmıştır. Gemi direncini minimize etmek amacıyla kıç kanadının kesit şekli optimizasyonu gerçekleştirilmiştir. ANN modelinden elde edilen fonksiyon optimizasyon aşamasında amaç fonksiyonu olarak kullanılmıştır. Ardından geometriyi temsil eden temel bileşenlerin sınırları probleme tanıtılmıştır. Optimizasyon sonucunda gemi toplam direncinin yerel minimum değeri ve karşılık gelen temel bileşen değerleri elde edilmiştir. Optimum temel bileşenlerden elde edilen tekne kıç kanadının tekrar HAD analizi geçekleştirilmiştir. ANN amaç fonksiyonun optimizasyon sonucu ile HAD analizinin sonucu arasında ki bağıl fark %0.24 tür. Başlangıçta kullanılan kıç kanadı ile gemi toplam direnci %17.81 azaltılırken optimizasyon sonucunda elde edilen kıç kanadı ile direnç %1.2 daha da azaltılmıştır. Ayrıca gemi kıç bölgesinde ki dalga yüksekliğinin önemli derecede azaldığı gözlemlenmiştir. Bu çalışmada, zaman açısından pahalıya mal olan, değerlendirme aracı olarak viskoz akış çözücüsü kullanıldığı takdirde optimizasyon süresini düşürmeye yönelik bir metodoloji sunulmuştur. Boyut indirgeme analizi yardımıyla çok boyutlu bir veri seti, minimum bilgi kaybı ile daha az değişkenle temsil edilebilir. Bu sayede, girdi boyutu düşürülen yapay sinir ağları algoritması daha az sayıda veri ve yüksek başarı ile eğitilebilir.
Özet (Çeviri)
The patented Hull Vane, the energy saving appendage, is used to reduce the ship resistance. It is a hydrofoil wing transversely fixed at the transom bottom of the ships. A negative pressure zone, which helps to reduce the stern wave, appears on the suction side of the Hull Vane due to the accelerated flow from the aft of the hull. In the current study, shape optimization of the Hull Vane section is performed by implementing data-driven techniques in order to further reduce the total resistance of the ship. The section shape is modified with reference to the NACA4412 hydrofoil by parametric model code operating with 7 design parameters. Principal component analysis (PCA), which decreases the design space dimensionality, is implemented on the sample set created within the bounds of design parameters. The section shape of the Hull vane can be represented with 85.5% geometric variance by the first two principal components (PCs) instead of 7 design parameters. A series of hydrofoil instances are created to be evaluated by means of the viscous flow solver. The total resistance values of the ship corresponding to the design variables (PCs) are computed in order to create a dataset to the machine learning model. Artificial neural network (ANN) that is utilized as the machine learning model is trained in order to imitate the numerical flow solver. The function obtained from the trained model is operated as the objective function in the optimization process. Since the viscous flow solver is expensive in terms of evaluation time, this study provides an effective methodology to shorten the optimization process using the viscous flow solver as the evaluation tool. The number of function evaluations required for optimization is reduced with the help of PCA. In other words, the ANN is able to be trained with less dataset as the input dimensionality of the data is reduced.
Benzer Tezler
- Design and deployment of deep learning based fuzzy logicsystems
Derin öğrenme tabanlı bulanık sistemlerin geliştirilmesi ve uygulanması
AYKUT BEKE
Doktora
İngilizce
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Otomasyon Mühendisliği Ana Bilim Dalı
DOÇ. DR. TUFAN KUMBASAR
- Yapay zeka ve gökdelen tasarımı
Artificial intelligence and skyscraper design
ŞELALE ELÇİN SUNGUR DÖLGEN
Doktora
Türkçe
2023
MimarlıkMimar Sinan Güzel Sanatlar ÜniversitesiMimarlık Ana Bilim Dalı
DOÇ. DR. ÜMİT TURGAY ARPACIOĞLU
- Propulsion-airframe integration for low-boom supersonic aircraft
Düşük gürültülü sesüstü hava araçlarında itki-gövde entegrasyonu
RUMED İMRAK
Yüksek Lisans
İngilizce
2023
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiSavunma Teknolojileri Ana Bilim Dalı
PROF. DR. MELİKE NİKBAY
- Kent içi yollarda hız kesici platform ve tümsek profillerinin sürüş konforu üzerindeki etkilerinin arazi testleri, nümerik ve analitik modeller vasıtasıyla belirlenmesi
Determination of the effect of speed hump and bump profiles on urban roads in terms of ride comfort via field tests, numerical model and analytical model
ERTUĞRUL BİLGİN
Doktora
Türkçe
2018
İnşaat Mühendisliğiİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
PROF. DR. ABDULLAH HİLMİ LAV