A convolutional neural network methodology with a momentum-flux-based loss function for predicting aerodynamic flow around airfoils
Uçak kanatları etrafında aerodinamik akış tahmini için momentum-akı-bazlı kayıp fonksiyonlu convolutıonal sinir ağı metodolojisi
- Tez No: 847297
- Danışmanlar: DR. ÖĞR. ÜYESİ ÖZGÜR UĞRAŞ BARAN, DOÇ. DR. HANDE ALEMDAR
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- 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
Uçak kanatları gibi kritik bileşenlerin seçimi, akış simülasyonlarıyla ilgili yüksek hesaplama maliyetleri nedeniyle zaman alıcı olabilir. Derin makine öğrenimi teknikleri, akış alanını, istenen parametreleri ve aerodinamik katsayıları önemli ölçüde daha düşük bir maliyetle tahmin edebilir. Ancak derin öğrenme tahmini genellikle akışı oluşturan fiziksel süreçleri göz ardı eder. Eğitilen senaryonun altında yatan fizik hakkında bilgi sahibi olan bir derin öğrenme ağının geliştirilebileceğini varsayalım. Bu durumda bu algoritma, nesnelerin etrafındaki akışı daha doğru bir şekilde tahmin edebilecek bir araç sunabilir. Bu fikri test etmek için bir kanat profili etrafındaki akışı içeren bir model problem önerilmiştir. Bu kanat profili üzerindeki kaldırma ve sürükleme kuvvetleri, kanat profili etrafındaki akış alanıyla birlikte geliştirilen modelin tahmin parametreleridir. Tahmin aracı olarak convolutional bir sinir ağı modeli geliştirilmiştir. Kayıp fonksiyonu, modelin doğruluğunu artırmak için momentum korunumu bazlı yeni bir kayıp fonksiyonu ile geliştirildi. Momentum korunumunun eklenmesi, uçağın etrafındaki kaldırma ve sürükleme tahminlerini önemli ölçüde artırır. Akış veritabanı sıkıştırılabilir CFD çalıştırmalarıyla hazırlandı. Doğruluğu geliştirmek için CFD çözücü ve kayıp fonksiyonu hesaplaması aynı akı fonksiyonunu kullanır. Eğitimden sonraki analizler, CFD hesaplamalarının zaman ve maliyetinden çok daha az bir sürede, basit kayıp fonksiyonlarına kıyasla daha iyi kaldırma ve sürükleme kuvveti tahminleri gösterdi.
Özet (Çeviri)
The selection of critical components like aircraft wings can be time-consuming due to the high computational costs associated with flow simulations. Deep machine learning techniques can predict flow domain and desired parameters and coefficients at a significantly lower cost. However, A deep learning prediction often ignores the physical processes that form the flow. Suppose a deep learning network that is informed about the physics underlying the trained scenario can be developed. In that case, this algorithm can offer a tool that can more accurately predict the flow around objects. A model problem involving flow around an airfoil is proposed to test this idea. Lift and drag forces on this airfoil, together with the flow domain around the airfoil, are the prediction parameters. A convolutional neural network model is developed as the prediction tool. The loss function is enhanced by a new conservation of momentum-based loss function to improve the fidelity of the model. The addition of conservation of momentum improves the lift and drag predictions around the aircraft significantly. The flow database is prepared with compressible CFD runs. To improve the accuracy, the CFD solver and the loss function calculation utilize the same flux function. The predictions after the training showed improved lift and drag estimations compared to simple loss functions in a fraction of the time and cost of CFD calculations.
Benzer Tezler
- Robot hücresi içerisinde yapay zekâ ve görüntü işleme tabanlı parça besleme kontrolü
Artifical intelligence and image processing-based part feeding control in a robot cell
ENESALP ÖZ
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR
- A hybrid convolutional neural network and long short-term memory for ddos attacks detection in iot networks
Iot ağlarında ddos saldırılarının tespıtı ıçın hıbrıt evrışımsel sınır ağı ve uzun kısa sürelı bellek
SALWAN NAEEM THJEEL THJEEL
Yüksek Lisans
İngilizce
2026
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÇankaya ÜniversitesiFen Bilimleri Ana Bilim Dalı
Prof. Dr. HAYRİ SEVER
- Prostat kanseri hastalık yönetim sürecinin derin öğrenme ile iyileştirilmesi ve bir model önerisi
Improvement of prostate cancer disease management process with deep learning and a model proposal
ALPARSLAN HORASAN
Doktora
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Aydın ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ GÜNEŞ
- Code clone detection with convolutional neural network
Konvolüsyonel sinir ağı ile kod klon tespiti
HARUN DİŞLİ
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYŞE TOSUN
- A multi-camera system for automation of mouse grimace scaling using convolutional neural networks
Evrişimsel sinir ağları kullanarak fare yüz buruşturması ölçeklendirme otomasyonu için çoklu kamera sistemi
AHMET AĞCA
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR HALICI