Sıkıştırılamaz ve laminer dış akışlar için derin öğrenme temelli bir hesaplamalı akışkanlar dinamiği çözümünün geliştirilmesi
Development of a deep learning-based computational fluid dynamics solution procedure for incompressible and laminar external flows
- Tez No: 914793
- Danışmanlar: DOÇ. DR. UTKU ŞENTÜRK
- Tez Türü: Yüksek Lisans
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Ege Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Makine Mühendisliği Bilim Dalı
- Sayfa Sayısı: 73
Özet
Bu tezde sıkıştırılamaz ve laminer dış akışlar için Hesaplamalı Akışkanlar Dinamiği (HAD) çözücüsünden gelen verilere dayalı çalışan derin öğrenme temelli bir alternatif hesaplama tekniğinin geliştirilmesi amaçlanmıştır. Geleneksel HAD çözücü kodları yüksek doğruluklu olmakla beraber, karmaşık problemler için epey zaman alıcı olmaktadırlar. Karmaşık problemleri modelleme ve tahmin etme kabiliyeti ile derin öğrenme yöntemi, sıkıştırılamaz ve laminer akış problemlerini çözmek için kullanılabilecek verimliliği artırıcı bir alternatif olarak görünmektedir. Çalışmada sıkıştırılamaz ve laminer dış akış hareketlerini çözmek için kullanılan Navier-Stokes denklemlerinin çözümlerini tahmin etmek için yapay sinir ağları oluşturulmuştur. Bu sinir ağları ile dış akış problemlerini test etmek için Re=20 ve 40 için silindir üzerindeki akış ile \Re=1000 ve hücum açısı 0–8 derece için bir NACA0012 kanat profili üzerindeki akış ele alınmıştır. Geliştirilen yöntemin performansı, geleneksel HAD çözücü kodu ile karşılaştırıldığında akış alanı için %7'nin altında, silindir ve kanat yüzeylerindeki basınç dağılımı için %1,5'in altında ortalama hata ile tahminler yapabildiği ve bu tahminleri geleneksel HAD çözücü koduna oranla 33,5 kat daha hızlı gerçekleştirdiği gözlemlenmiştir. Elde edilen sonuçlara dayanarak laminer ve sıkıştırılamaz dış akışların tahmin edilmesinde derin öğrenme yönteminin kullanılması, özellikle fazla sayıda simülasyon gerçekleştiren analiz mühendislerinin çözüm sürelerini yüksek oranda hızlandıracağı görülmektedir.
Özet (Çeviri)
In this thesis, it has been aimed to develop a deep learning based alternative computational technique for incompressible and laminar external flows based on data from a Computational Fluid Dynamics (CFD) solver. Although traditional CFD solver codes are highly accurate, they are very time consuming for complex problems. Deep learning, with its ability to model and predict complex problems, seems to be an efficient alternative for solving incompressible and laminar flow problems. In this study, artificial neural networks were generated to predict the solutions of Navier-Stokes equations used to solve incompressible and laminar external flows. To test the external flow problems, the flow over a cylinder for Re=20 and 40, and the flow over a NACA0012 airfoil for Re=1000 and angle of attack of 0–8 degrees are considered. When the performance of the developed method is compared with the conventional CFD solver code, it is observed that it can make predictions with a mean error of less than 7% for flow field and less than 1.5% for pressure distribution on cylinder and airfoil surfaces. Also, developed model performs these predictions 33.5 times faster than the conventional CFD solver code. Based on the results obtained, it is seen that the use of deep learning method in the prediction of laminar and incompressible external flows will greatly speed up the solution times, especially for analysis engineers who perform many simulations.
Benzer Tezler
- Parallel solution of unsteady, incompressible three-dimensional Navier-Stokes equations with a new implicit method
Zamana bağlı, sıkıştırılamaz, üç boyutlu Navier-Stokes denklemlerinin yeni bir kapalı metodlar paralel çözümü
VİLDAN ÜSTOĞLU ÜNAL
Doktora
İngilizce
2003
Astronomi ve Uzay Bilimleriİstanbul Teknik ÜniversitesiAstronomi ve Uzay Bilimleri Ana Bilim Dalı
PROF. DR. ÜLGEN GÜLÇAT
- Numerical investigation of laminar-to-turbulent transition in oscillatory boundary layers
Salinimli sinir tabakalarinda laminerden türbülansa geçişin sayisal olarak incelenmesi
SELMAN BAYSAL
Doktora
İngilizce
2025
Deniz Bilimleriİstanbul Teknik ÜniversitesiKıyı Bilimleri ve Mühendisliği Ana Bilim Dalı
PROF. DR. VEYSEL ŞADAN ÖZGÜR KIRCA
- Gemi etrafındaki sınır tabakanın incelenmesi
A Study on the boundary layer surrocnding ship hulls
BARIŞ BARLAS
- Laminer sınır tabaka içerisinde yüzey sürtünme katsayısının kama açısına bağlı olarak değişimi
The changes of skin friction coefficient value by wedge angle in laminar boundary layer
MURAT KESKİN
Yüksek Lisans
Türkçe
2007
Makine MühendisliğiEskişehir Osmangazi ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF.DR. L. BERRİN ERBAY