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 |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: