كد متلب و داده هاي خام و نرمالايز شده به پيوست مي باشند.

چکیده:

در این تحقیق از نخستین کاربرد شبکه های عصبی[1] یعنی تقریب توابع[2] برای تقریب دیاگرام مودی[3] برای استخراج ضریب اصطکاک دارسی[4] که در محاسبات مربوط به افت فشار سیال لوله ها ناشی از اصطکاک ،استفاده می شود.در مکانیک سیالات ضریب اصطکاک دارسی یا از نمودار مودی استخراج می شود و یا از فرمول های نیمه تجربی مانند معادله کلمبرک[5] محاسبه می شود.

در این مقاله تعداد 1200 نمونه [6] از دو داده ورودی به نام عدد بی بعد رینولدز[7] و زبری نسبی لوله[8] تولید کرده ایم که داده های معلوم مسئله هستند و بصورت تصادفی و در محدوده مشخص انتخاب شده اند و1200 نمونه داده خروجی ضریب اصطکاک دارسی است که از روی نمودار مودی و با استفاده از داده های ورودی استخراج شده و به عنوان داده ای آموزش[9] برای شبکه عصبی طراحی شده در نظر گرفته شده اند. آموزش شبکه را با دو سری داده انجام شده است یک سری داده های معمولی و خام و سری دوم داده هایی که ورودی های آنها بصورت غیر خطی نورمالایز لگاریمی شده اند و تفاوت خطای نهایی آنها مورد بررسی قرار گرفته شده است.

بعد از آموزش شبکه و رسیدن به سطح خطای مطلوب ،ضریب اصطکاک را از برنامه گرفته و وارد قسمت دوم برنامه برای محاسبه افت فشار لوله ناشی از اصطکاک سیال با جدار لوله برای جریان کاملا فراگیر و لوله با قطر ثابت کرده و افت هد[10]اصلی را بدست آورده ایم.

[1]Neural Network

[2]Fittting app

[3]Moody diagram

[4]Darcy Friction Factor

[5]Colebrook-White equation

[6]Sample

[7]Reynolds

[8]Relative Roughness

[9]Train

[10]hed

فهرست مطالب:

مقدمه............................................................................................................................................................... 2

توضیحاتی در مورد جریان در لوله ها و دیاگرام مودی........................................................................ 3

افت فشار......................................................................................................................................................... 5

شبیه سازی شبکه عصبی............................................................................................................................ 6

داده های ورودی و خروجی........................................................................................................................ 6

آموزش شبکه عصبی با جعبه ابزار Matlab ....................................................................................... 9

توضیح جز به جز برنامه نوشته شده......................................................................................................... 11

خروجی شبکه................................................................................................................................................ 15

بررسی نمودارهای استخراج شده.............................................................................................................. 16

تعیین تعداد نورون های لایه پنهان.......................................................................................................... 23

مثالی از محاسبه افت فشار در یک لوله با استفاده از برنامه نوشته شده......................................... 24

خروجی شبکه................................................................................................................................................ 28

منابع و مآخذ.................................................................................................................................................. 29