Ανάπτυξη εξελιγμένου μοντέλου οπισθελκούσας-EMMS για την μοντελοποίηση ρευστοποιημένων κλινών με τη χρήση νευρωνικού δικτύου

Σάμλης, Χρηστάκης; Samlis, Christakis

dc.contributor.author	Σάμλης, Χρηστάκης	el
dc.contributor.author	Samlis, Christakis
dc.date.accessioned	2019-12-23T08:16:09Z
dc.date.available	2019-12-23T08:16:09Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/49623
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17321
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Παραγωγή και Διαχείρηση Ενέργειας”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	cfd	en
dc.subject	Νευρωνικά Δίκτυα	el
dc.subject	Ρευστοποιημένη κλίνη	el
dc.title	Ανάπτυξη εξελιγμένου μοντέλου οπισθελκούσας-EMMS για την μοντελοποίηση ρευστοποιημένων κλινών με τη χρήση νευρωνικού δικτύου	el
heal.type	masterThesis
heal.classification	ΥΠΟΛΟΓΙΣΤΙΚΉ ΡΕΥΣΤΟΜΗΧΑΝΙΚΗ	el
heal.classification	ΝΕΥΡΩΝΙΚΑ ΔΙΚΤΥΑ	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-07-03
heal.abstract	Όσο οι εφαρμογές ρευστοποιημένων κλινών ανακυκλοφορίας τείνουν να αυξάνονται, η ανάγκη ανάπτυξης μεθόδων μοντελοποίησης με κώδικες υπολογιστικής ρευστομηχανικής (CFD) γίνεται ολοένα και πιο επιτακτική. Οι κλασικές μέθοδοι συχνά οδηγούν σε υπερεκτιμήσεις της οπισθέλκουσας δύναμης που ασκείται στα σωματίδια της κλίνης ενώ αδυνατούν να μοντελοποιήσουν με ακρίβεια την συναλλαγή ενέργειας μεταξύ των φάσεων εντός της κλίνης. Τις αδυναμίες αυτές παρακάμπτει το μοντέλο Energy Minimization Multi-Scale analysis –EMMS. Η προσέγγιση αυτή βασίζεται στην θεώρηση ότι τα στερεά σωματίδια της κλίνης συσσωματώνονται σε ενιαίες δομές σχηματίζοντας συμπλέγματα σωματιδίων (clusters) ως αποτέλεσμα της τάσης τους να ελαχιστοποιήσουν την ανά μονάδα μάζας συναλλαγή ενέργειας με το ρευστό. Το μοντέλο EMMS αποτελείται από ένα σύστημα εξισώσεων το οποίο επιλύεται με επαναληπτικές διαδικασίες ως μη γραμμικό πρόβλημα ελαχιστοποίησης δευτέρου βαθμού. Τα αποτελέσματα που προκύπτουν από την επίλυση (συντελεστής ετερογένειας) παρεμβάλλονται με κατάλληλα πολυώνυμα τα οποία στην συνέχεια εισάγονται στον κώδικα CFD. Στην παρούσα εργασία, αντί παρεμβολής των συντελεστών ετερογένειας με πολυώνυμα, αυτοί χρησιμοποιήθηκαν για την εκπαίδευση νευρωνικού δικτύου που προβλέπει για διάφορες περιπτώσεις λειτουργίας τους συντελεστές ετερογένειας. Το νευρωνικό δίκτυο χρησιμοποιήθηκε για την μοντελοποίηση υπάρχουσας πιλοτικής μονάδας ενανθράκωσης (D=0.59m). Τα αποτελέσματα της μοντελοποίησης συγκρίθηκαν τόσο με τα αποτελέσματα της κλασικής μεθόδου Gidaspow, όσο και με τα αποτελέσματα του EMMS με χρήση των παρεμβαλόμενων πολυωνύμων και με διαθέσιμες πειραματικές μετρήσεις. Η παραπάνω εφαρμογή οδήγησε σε εμφανώς αυξημένη ακρίβεια του μοντέλου σε σύγκριση με το μοντέλο Gidaspow ως προς την πτώση πίεσης εντός της κλίνης και του ρυθμού ανακυκλοφορίας, αλλά και σε ικανοποιητική ταύτισή των αποτελεσμάτων με τα αποτελέσματα της κλασσικής εφαρμογής του EMMS. Καταλήγοντας, συμπεραίνεται ότι η χρήση νευρωνικού δικτύου δύναται να εφαρμοστεί θεωρώντας διαφορετικές συνθήκες λειτουργίας σε κάθε όγκο ελέγχου ξεχωριστά ενώ παράλληλα αποφεύγεται η χρονοβόρα διαδικασία επίλυσης των εξισώσεων του EMMS για κάθε περίπτωση λειτουργίας.	el
heal.advisorName	Καρέλλας, Σωτήριος	el
heal.committeeMemberName	Καρέλλας, Σωτήριος	el
heal.committeeMemberName	Κακαράς, Εμμανουήλ	el
heal.committeeMemberName	Βλυσσίδης, Απόστολος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών	el
heal.academicPublisherID	ntua
heal.numberOfPages	89 σ.	el
heal.fullTextAvailability	true