A deep learning methodology for the flow field prediction around airfoils
Kanat etrafındaki akış alanının tahmini üzerine bir derin öğrenme metodolojisi
- Tez No: 695692
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜR UĞRAŞ BARAN, DR. ÖĞR. ÜYESİ HANDE ALEMDAR
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmada kanat etrafındaki akış alanını öngören kodlayıcı-çözücü evrişimsel sinir ağı tabanlı bir derin öğrenme metodu amaçlanmaktadır. Sinir ağı modelinin eğitimi ve değerlendirmesi bilinen bir grup kanat etrafında, geniş bir hücum açısı aralığında 2-boyutlu hesaplamalı akışkanlar dinamiği (HAD) çözümlerinden elde edilmiş akış alanları ile gerçekleştirilmiştir. Reynolds ortalamalı Navier-Stokes tabanlı HAD benzetimleri, ses geçişi rejiminde seçilen bir Mach sayısında yüksek kalitede blok-yapılı çözüm ağları üzerinden yapılmıştır. Benzetimlerin sonuçları eğitim için veri seti olarak kullanılmıştır. Kanat şekillerinin sinir ağı modeli tarafından daha iyi öğrenilebilmesi için mesafe haritaları elde edilerek algoritmaya verilmiştir. Mesafe haritasında verilerin konumuna göre basınç katsayısı, Mach sayısı gibi akış parametreleri de algoritmaya sağlanmıştır. Modelin öngörü kabiliyeti hem nicel hem nitel olarak detaylı incelenmiştir. Ses geçişi ve hücum açısı değişiminin akış özelliklerine etkileri, şok dalgaları ve akış ayrılması başarılı bir şekilde yakalanmıştır. Ayrıca, öngörülen akış alanı verisi üzerinden aerodinamik katsayılar hesaplanmıştır. Bulgular, sunulan modelin HAD benzetimlerinin hesaplama sürelerinin çok altında, dikkate değer şekilde iyi akış alanı öngörebildiğini göstermektedir. Öngörülen akış alanı, aerodinamik katsayıların hesaplanmasına izin vermekte, hava taşıtı tasarımcıları için hızlı ve doğru bir kanat seçim aracına imkan sağlamaktadır.
Özet (Çeviri)
This study aims to predict flow fields around airfoils using a deep learning methodology based on an encoder-decoder convolutional neural network. Neural network training and evaluation are performed from a set of computational fluid dynamics (CFD) solutions of the 2-D flow field around a group of known airfoils at a wide range of angles of attack. Reynolds averaged Navier-Stokes (RANS)-based CFD simulations are performed at a selected Mach number on the transonic regime on high-quality structured computational grids. The results of these simulations are utilized as training data set. For better shape learning, a distance map is generated from airfoil shape and provided to the algorithm at data locations of the flow quantities, i.e., pressure coefficient, Mach number, relative to the airfoil shape. The predictive ability of the model is scrutinized both qualitatively and quantitatively. The flow features associated with the transonic effects and the angle of attack variation, such as the shock waves and the flow separation, are well predicted. The results indicate that the presented model provides remarkably good flow field predictions at a fraction of the computational time of CFD simulations. The predicted flow field allows the computation of the aerodynamic coefficients, providing an accurate and fast airfoil selection tool for aircraft designers.
Benzer Tezler
- Graph neural networks on predicting aerodynamic flow fields around airfoils
Kanat kesitleri çevresindeki aerodinamik akış alanları tahmininde grafik sinir ağları
SÜLEYMAN ONAT ÇELTİK
Yüksek Lisans
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HANDE ALEMDAR
DOÇ. DR. ÖZGÜR UĞRAŞ BARAN
- Tuzlu su desalinasyonunda yapay zeka kullanımı
Application of artificial intelligence in saltwater desalination
RABİYA KARALI TÜRKER
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CEMANUR AYDINALP PENÇE
- Reconstruction of river flows by era5 reanalysis dataset and long short-term memory models
Era5 reanalı̇z verı̇ setı̇ ve uzun kısa sürelı̇ bellek modellerı̇ ı̇le nehı̇r akımlarının yenı̇den oluşturulması
İSMAİL ÜNLÜTÜRK
Yüksek Lisans
İngilizce
2024
İnşaat MühendisliğiOrta Doğu Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DOÇ. DR. ALİ ERCAN
- Akilli ulaşim sistemlerinde trafik akışı tahmini için LSTM ve gradyan yükseltme ile hibrit bir topluluk yaklaşımı
A hybrid ensemble approach with LSTM and gradient boosting for traffic flow prediction in intelligent transportation systems
SUFIAN HAMID SALIH AL JUMAILI
Yüksek Lisans
İngilizce
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ABDÜL KADİR GÖRÜR
- Design and optimization of compact vivaldi antenna with matching medium for microwave brain imaging applications
Mikrodalga beyin görüntüleme uygulamaları için eşleştirme ortamına sahip kompak vıvaldı antenin tasarımı ve optimizasyonu
CAFER UYANIK
Doktora
İngilizce
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İBRAHİM AKDUMAN