Feasibility of different CFD methods and data-driven approaches for prediction of flow characteristics in various engineering applications.
Çeşitli mühendislik uygulamalarinda akiş karakteristiklerinin tahmini i̇çin farkli had yöntemlerinin ve veri odakli yaklaşimlarin uygulanabilirliği
- Tez No: 990151
- Danışmanlar: PROF. DR. BEŞİR ŞAHİN
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2026
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Hesaplamalı Akışkanlar Dinamiği (HAD), karmaşık akışkan akışlarını analiz etmek için vazgeçilmez bir araçtır; ancak mühendislik optimizasyonunda gerekli olan daimi olmayan akış ve yüksek Reynolds sayılı simülasyonlar için hesaplama açısından maliyetli olmaya devam etmektedir. Makine Öğrenimi (MÖ) vekil modelleri hızlı çıkarım sunsa da, genellikle fiziksel tutarsızlık ve uzun zaman ufuklarında hata birikimi sorunlarıyla karşılaşmaktadır. Bu tez, geçici simülasyonları hızlandırırken çözücü kalitesinde doğruluğu korumak amacıyla, Fizik-Bilgilendirilmiş Yapay Sinir Ağı (PINN) ile geleneksel bir Sonlu Hacim çözücüsünü (OpenFOAM) entegre eden sağlam bir hibrit PINN↔HAD hesaplamalı çerçevesi geliştirerek bu sınırlamaları ele almaktadır. Önerilen çerçeve, çift uyarlamalı tetikleyici tarafından yönetilen özgün bir çalışma zamanı denetleyicisi kullanmaktadır: tetikleyicilerden biri Kısmi Diferansiyel Denklem (KDK) kalıntılarını izlerken, diğeri küresel korunum yasalarını (kütle dengesi) zorunlu kılmaktadır . Bu mantık, sistemin hızlı MÖ“zaman atlama”adımları ile yüksek doğruluklu HAD düzeltme adımları arasında otonom olarak geçiş yapmasını sağlar. Çok ölçekli akış özelliklerini çözebilecek“tutumlu”(parsimonious) bir sinir ağı mimarisi tanımlamak için titiz ve sistematik bir optimizasyon yürütülmüştür. Çalışma, Sinüs aktivasyon fonksiyonu ile birleştirilmiş Fourier kodlamalı bir mimarinin (Eksen tabanlı frekans haritaları kullanarak), spektral önyargıyı önemli ölçüde azalttığını ve standart Çok Katmanlı Algılayıcılara kıyasla tahmin hatalarını yaklaşık 3 kat düşürdüğünü belirlemiştir. Hibrit çözücü, iki farklı akış rejimine karşı doğrulanmıştır. İlk olarak, hareketli bir üst duvara sahip geriye dönük basamak üzerinde özgün bir Laminer Couette-Poiseuille akışı karakterize edilmiştir. Çalışma, yukarı akış duvar hızının artırılmasının çoklu ayrılma bölgelerine (“sıçramalar”) neden olduğunu ve ısı transferini 1.6 kata kadar artırdığını, en uygun Isıl Performans Faktörünün ise Re=200'de gözlemlendiğini ortaya koymuştur. Bu laminer durumda, hibrit çözücü 2.47x hızlanma elde etmiştir. Ancak, türbülanslı geriye dönük basamak akışı için çözücü, referans HAD simülasyonuna kıyasla toplam 1.79x gerçek zamanlı hızlanma (wall-clock speedup) sağlamış ve fiziksel doğruluktan ödün vermeden zaman çizelgesinin %50'sinde MÖ çıkarımını etkin bir şekilde kullanmıştır.
Özet (Çeviri)
Computational Fluid Dynamics (CFD) is an indispensable tool for analyzing complex fluid flows, yet it remains computationally prohibitive for unsteady, high-Reynolds-number simulations required in engineering optimization. While Machine Learning (ML) surrogates offer rapid inference, they often suffer from physical inconsistency and error accumulation over long time horizons. This thesis addresses these limitations by developing a robust hybrid PINN↔CFD computational framework that integrates a Physics-Informed Neural Network (PINN) with a conventional Finite Volume solver (OpenFOAM) to accelerate transient simulations while preserving solver-grade accuracy. The proposed framework employs a novel runtime controller governed by dual adaptive triggers: one monitoring PDE residuals and the other enforcing global conservation laws (mass balance). A rigorous systematic optimization was conducted to define the best-performing neural architecture capable of resolving multiscale flow features. The study determined that a Fourier-encoded architecture (using Axis-based frequency mappings) combined with the Sine activation function significantly mitigated spectral bias, reducing prediction errors by approximately 3x compared to standard Multi-Layer Perceptrons. Furthermore, the GradNorm algorithm was identified as the optimal loss-weighting strategy to balance competing physical constraints, while the LAMB optimizer provided the best trade-off between convergence speed and stability. The hybrid solver was validated against two distinct flow regimes. First, a novel Laminar Couette-Poiseuille flow over a backward-facing step with a moving upper wall was characterized. The study revealed that increasing the upstream wall velocity induces multiple separation zones (“bounces”) and enhances heat transfer by up to 1.6 times, with an optimal Thermal Performance Factor observed at Re=200. In this laminar case, the hybrid solver achieved a 2.47x speedup. However, for the turbulent backward-facing step, the solver achieved a total wall-clock speedup of 1.79x compared to the reference CFD simulation, effectively utilizing ML inference for 50% of the timeline without compromising physical fidelity. This research demonstrates that physics-gated switching combined with optimized Fourier-based PINNs can effectively bridge the gap between data-driven speed and numerical rigor, offering a scalable solution for accelerating unsteady flow simulations.
Benzer Tezler
- Türkiye'de inşaat sektöründe proje yöneticilerinin motivasyonu
Motivational profiles for construction project managers
AYŞE TİRYAKİ
Yüksek Lisans
Türkçe
1997
Mimarlıkİstanbul Teknik ÜniversitesiMimarlık Ana Bilim Dalı
PROF. DR. FATMA HEYECAN GİRİTLİ
- Investigation of fuel sloshing in an aircraft wing fuel tank using ANN and CFD
Bir uçak kanat yakıt deposunda yakıt çalkantısının YSA ve HAD kullanılarak incelenmesi
KEREM KARAHAN
Doktora
İngilizce
2025
Makine Mühendisliğiİstanbul Teknik ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
DOÇ. DR. SERTAÇ ÇADIRCI
- Gemi direnç ve sevk performanslarının GEOSIM yöntemi, deneysel ve hesaplamalı akışkan dinamiği ile analizi
Analysis of ship drag and propulsion performances with GEOSIM method, experimental and computational fluid dynamics
CİHAD DELEN
Doktora
Türkçe
2023
Gemi Mühendisliğiİstanbul Teknik ÜniversitesiGemi İnşaatı ve Gemi Makineleri Mühendisliği Ana Bilim Dalı
PROF. DR. ŞAKİR BAL
- İsaretçi takibi ile PnP tabanlı 6DoF poz tahminive CFD simülasyon karşılaştırması
PnP-based 6DoF pose estimation with marker trackingand CFD simulation comparison
YUSUF DEMİREL
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET NURİ AKINCI
- PTC ısıtıcı ünitesi geliştirilmesi tasarımı ve analizi
PTC heater unit development design and analysis
ALTAY TABANCACI
Yüksek Lisans
Türkçe
2022
Otomotiv Mühendisliğiİstanbul Teknik ÜniversitesiEnerji Bilimi ve Teknolojileri Ana Bilim Dalı
PROF. DR. ÜNER ÇOLAK