TY  - JOUR
TI  - ARTIFICIAL NEURAL NETWORK BASED PREDICTION OF TIME-DEPENDENT BEHAVIOR FOR LID-DRIVEN CAVITY FLOWS
AB  - Bu çalışmada, Reynolds sayısının 100 ile 10000 arasında değiştiği, iki boyutlu ve zamana bağlı kapak güdümlü kavite akışlarının Hesaplamalı Akışkanlar Dinamiği (HAD) çalışmaları özgün olarak geliştirilen HAD kodlarının uygulanmasıyla incelenmiştir. Akışın zamana bağımlı davranışı sinüssel hız profili uygulanarak tetiklenmiştir. Akış alanında gözlemlenen yapılar düşük boyutlu modelleme tekniği olan Dikgen Ayrıştırma Yöntemi (DAY) kullanılarak incelenmiş olup, bu yapılar frekans derecelerine (akış alanının bütününü ifade etmeye yönelik olan katkılarına, enerji içeriklerine) göre ayrıştırılmıştır. DAY sonuçlarına göre, akım fonksiyonu veri grubu olarak kullanıldığında, toplam enerji içeriğinin %99a yakın kısmı sadece en yüksek enerji içeriğine sahip ilk dört DAY kipi kullanılarak ifade edilebilmektedir. Buna karşılık, x-yönündeki hız veri grubu kullanıldığında en yüksek enerji içeriğine sahip ilk dört kipin kullanılmasıyla toplam enerji içeriğinin % 9095lik bir kısmı ifade edilebilmektedir. Ayrıca, çalışmada değişik Reynolds sayılarının uygulandığı durumlar için Yapay Sinir Ağı (YSA) uygulaması yapılarak kip genlikleri de tahmin edilmiştir. HAD kullanılarak belirli akış durumları için yeterince bilgi toplandıktan sonra, YSA ile bütünleştirilen yaklaşım sayesinde farklı akış koşulları için gerçek zamanlı kontrol uygulamaları için pratik olmayan HAD analizlerine gerek duyulmadan akış alanında neler olduğuna ilişkin bilgileri tahmin etmek mümkün olmaktadır.
AU  - ARADAG, Selin
AU  - PAKSOY, Akin
PY  - 2015
JO  - Isı Bilimi ve Tekniği Dergisi
VL  - 35
IS  - 2
SN  - 1300-3615
SP  - 1
EP  - 18
DB  - TRDizin
UR  - http://search/yayin/detay/181217
ER  -