Solving Navier Stokes equations with physics informed neural network for calculation of aerodynamic forces
Aerodinamik kuvvetleri hesaplamak için Navier-Stokes denklemlerinin fizik bilgili nöral ağ ile çözümü
- Tez No: 759550
- Danışmanlar: PROF. DR. SERHAT YEŞİLYURT
- Tez Türü: Yüksek Lisans
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 82
Özet
Akış dinamiğinin anlaşılması astrofizik, kimya, biyoloji, meteoroloji, biyomedikal mühendisliği ve makine mühendisliği gibi kapsamlı bir dizi bilimsel disiplinde çok önemlidir. Bunun yanı sıra, karmaşık geometri, yüksek Mach sayılı akış, türbülans, tutunma kaybı ve karmaşık reaksiyonlar durumunda akışkanlar dinamiği özellikleri iyi anlaşılamaz. Deneysel çalışmalar, bu karmaşık akış davranışlarını incelemek için bazı bilgiler sağlayabilir. Ancak, düşük doğruluk ve deneysel sınırlamalar nedeniyle bazı bilgiler doğru olarak elde edilemeyebilir. Öte yandan, Navier-Stokes sıkıştırılamaz bir akışkanın viskoz akışını yöneten bir denklem olarak akış özelliklerini elde etmek için sayısal olarak çözülebilir. Bu tür sayısal analizler, sonuçlandırmak için uzun süre ve modelleme yeteneği gerektiren hesaplama gücüne büyük ölçüde ihtiyaç duyar. Alternatif bir yaklaşım olarak, bu sorunu fizik bilgili nöral ağ uygulayarak ele alıyoruz. Bilimsel bir makine öğrenme algoritması olarak, fizik bilgili nöral ağ, kısmi diferansiyel denklemleri yaklaşık olarak çözmek için geliştirilmiştir. Bu tezde, ilk önce, Navier-Stokes denklemlerini silindir üzerindeki laminer akış için fizik bilgili nöral ağ ile çözdük. Ardından, yüksek hücum açısına sahip sabit NACA0018 kanat profili üzerinde türbülanslı akışı çözebilmek için fizik biligili nöral ağ uyguladık. Algoritmayı sayısal hesaplamalı akışkanlar dinamiği çalışmasından elde edilen seyrek verilere uyguladık. Sonuçlarımız, fizik bilgili nöral ağ modelinin hem laminer hem de türbülanslı akış problemleri için mükemmel bir doğrulukla eksik verileri kurtarabildiğini ortaya koymaktadır. Modeli ayrıca silindir ve kanat üzerine etki eden aerodinamik kuvvetleri hesaplamak için de kullandık. Kuvvet hesaplamaları için, iki farklı yöntem uyguladık. Sonuçlar, eğim tabanlı stres integrali yönteminin, integral tabanlı kontrol hacmi yaklaşımına göre daha doğru çalıştığını göstermektedir.
Özet (Çeviri)
Understanding of flow dynamics is crucial in a comprehensive set of scientific disciplines, such as astrophysics, chemistry, biology, meteorology, biomedical engineering, and mechanical engineering. Nevertheless, fluid dynamics properties cannot be well-understood in a case of complex geometry, high Mach number flow, turbulence, stall, and complex reactions. Experiments can provide some insights to study these complicated phenomena. Yet, certain information may not be obtained accurately because of low fidelity and experimental limitations. On the other hand, Navier-Stokes as a governing equation of viscous flow of an incompressible fluid can be solved numerically to obtain flow properties. However, such numerical analysis relies heavily on computational power which requires long duration to conclude and modelling ability. As an alternative approach, we deal with this problem by implementing a physics-informed neural network (PINN). As a scientific machine learning algorithm, PINNs are developed to solve partial differential equations approximately. In this thesis, we first implement PINNs for solving Navier-Stokes equations for laminar flow over a cylinder. Then, we apply PINN for turbulent flow over a stationary NACA0018 airfoil with a high angle of attack. We implement the PINN approach with sparse data from the numerical CFD study. Our results reveal that the PINN is able to recover missing data with excellent accuracy for both laminar and turbulent flow problems. The PINN model is also used to calculate aerodynamic forces acting on the cylinder and on the airfoil. For force calculations, two different methods are applied to find the optimum application with less error from the PINN approach. Results show that gradient-based stress integration method ends up with more accurate results than integral-based control volume approach.
Benzer Tezler
- Aerofoil kanatlarda 2-boyutlu vizkoz akış incelenmesi
2-dimensional viscous flow investigations in aerofoil blades
ADNAN ÖZTÜRK
Yüksek Lisans
Türkçe
1998
Makine MühendisliğiCumhuriyet ÜniversitesiMakine Ana Bilim Dalı
YRD. DOÇ. DR. ALİ PINARBAŞI
- Using Laplace residual power series techniques to construct a series solution to the time fractional Navier-Stokes equations
Zaman kesirli Navier-Stokes denklemlerine serisel bir çözüm oluşturmak için Laplace rezidü kuvvet serisi tekniklerini kullanma
ASMAA HASAN MHMOOD ALDAAGHI
Yüksek Lisans
İngilizce
2023
MatematikÇankırı Karatekin ÜniversitesiMatematik Eğitimi Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ŞERİFENUR CEBESOY ERDAL
DR. ÖĞR. ÜYESİ SAMER RAAD YASEEN
- Physics based washing machine simulations
Başlık çevirisi yok
DENİZ TOLGA AKÇABAY
Doktora
İngilizce
2007
Makine MühendisliğiUniversity of MichiganPROF. DAVID R. DOWLING
PROF. WILLIAM SCHULTZ
- Computational investigations for shock wave – boundary layer interactions of a thermally nonequilibrium hypersonic flow
Isıl dengede olmayan hipersonik bir akıştaki şok dalgası – sınır tabaka etkileşimlerinin hesaplamalı yöntemlerle incelenmesi
DAVUT VATANSEVER
Yüksek Lisans
İngilizce
2020
Havacılık Mühendisliğiİstanbul Teknik ÜniversitesiUçak ve Uzay Mühendisliği Ana Bilim Dalı
DOÇ. DR. BAYRAM ÇELİK