Εναλλακτική υλοποίηση της ανάλυσης κυρίων συνιστωσών για τη διερεύνηση μη γραμμικής συμπεριφοράς της χημικής απόθεσης από ατμό

Μπαΐλη, Κυριακή Βαλεντίνα; Baili, Kyriaki Valentina

dc.contributor.author	Μπαΐλη, Κυριακή Βαλεντίνα	el
dc.contributor.author	Baili, Kyriaki Valentina	en
dc.date.accessioned	2020-10-16T09:51:05Z
dc.date.available	2020-10-16T09:51:05Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/51475
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.19173
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	Χημική απόθεση απο ατμό	el
dc.subject	Chemical vapor deposition	en
dc.subject	Ανάλυση κυρίων συνιστωσών	el
dc.subject	Principal component analysis	en
dc.subject	Τεχνητά νευρωνικά δίκτυα	el
dc.subject	Artificial neural networks	en
dc.subject	Μοντέλο μειωμένης τάξης	el
dc.subject	Reduced order model	en
dc.subject	Μηχανισμός ροής	el
dc.subject	Flow mechanism	en
dc.title	Εναλλακτική υλοποίηση της ανάλυσης κυρίων συνιστωσών για τη διερεύνηση μη γραμμικής συμπεριφοράς της χημικής απόθεσης από ατμό	el
dc.title	Alternative implementation of principal component analysis in the investigation of the nonlinear behavior of a chemical vapor deposition process	en
heal.type	bachelorThesis
heal.classification	Μηχανική ρευστών	el
heal.classification	Fluid dynamics	en
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-02-26
heal.abstract	Στην παρούσα εργασία μελετάται η δυναμική συμπεριφορά ενός αντιδραστήρα χημικής απόθεσης από ατμό (Chemical Vapor Deposition, CVD). Για τις δεδομένες συνθήκες λειτουργίας του αντιδραστήρα, εμφανίζονται στο υπάρχον σύστημα δύο αντιμαχόμενοι μηχανισμοί ροής, ο μηχανισμός της φυσικής κυκλοφορίας λόγω άνωσης και αυτός της εξαναγκασμένης ροής. Το σύστημα χαρακτηρίζεται συνεπώς από την ύπαρξη πολλαπλότητας στις καταστάσεις που ισορροπεί, για παροχές εισόδου που κυμαίνονται από 2,3•10-5 Kg/s έως και 5,0•10-5 Kg/s. Οι μη γραμμικές εξισώσεις που εκφράζουν τα φαινόμενα μεταφοράς και τις κινητικές των αντιδράσεων που λαμβάνουν χώρα στον αντιδραστήρα επιλύονται με χρήση του κώδικα υπολογιστικής ρευστοδυναμικής ANSYS Fluent. Το μοντέλο που προκύπτει χαρακτηρίζεται από μεγάλη πολυπλοκότητα και η επίλυση του αποτελεί χρονοβόρα διαδικασία λόγω του μεγάλου αριθμού των εξισώσεων που απαιτούνται για την περιγραφή του. Κύρια ιδέα της εργασίας είναι η ανάπτυξη ενός μοντέλου μειωμένης τάξης (Reduced Order Model, ROM), μέσω μιας εναλλακτικής υλοποίησης της μεθόδου ανάλυσης κυρίων συνιστωσών (Principal Component Analysis, PCA) και εν συνεχεία μέσω της εκπαίδευσης τεχνητών νευρωνικών δικτύων (Artificial Neural Networks, ANN), με στόχο την περιγραφή της δυναμικής συμπεριφοράς του πλήρους συστήματος χρησιμοποιώντας δεδομένα από μη-μόνιμες καταστάσεις. Για τον σκοπό αυτό, λήφθηκαν δεδομένα της δυναμικής απόκρισης των πεδίων ροής και θερμοκρασίας του λεπτομερούς μοντέλου, κατά την χρονική του εξέλιξη (τροχιά) από διάφορες αρχικές καταστάσεις με τιμή μαζικής παροχής εντός του εύρους 1,5•10-5 kg/s – 6,5•10-5 kg/s, στο οποίο εμφανίζεται η πολλαπλότητα των λύσεων, προς την τελική μόνιμη κατάσταση με τιμή μαζικής παροχής 3•10-5 kg/s. Έπειτα, πραγματοποιήθηκε ανάλυση ως προς τον αριθμό των αρχικών καταστάσεων που χρησιμοποιούνται και του χρονικού διαστήματος στο οποίο αφήνονται να εξελιχθούν, χωρίς να φτάνουν σε μόνιμη κατάσταση, έτσι ώστε να προσεγγίζεται με ικανοποιητική ακρίβεια η προσομοίωση του αντιδραστήρα. Το καλύτερο μοντέλο μειωμένης τάξης επιλέχθηκε με γνώμονα την υπολογιστική ακρίβεια σε συνδυασμό με τον απαιτούμενο όγκο δεδομένων για τον σχεδιασμό του. Το μοντέλο που επιλέχθηκε είναι αυτό που χρησιμοποιεί την ορθοκανονική βάση η οποία αποτελείται από 4 ιδιοσυναρτήσεις σε συνδυασμό με ένα νευρωνικό δίκτυο που αποτελείται από 10 κρυφούς νευρώνες. Η βάση σχεδιάστηκε με χρήση 23 βηματικών επιβολών, ενώ το νευρωνικό δίκτυο που χρησιμοποιείται εκπαιδεύτηκε με 22 βηματικές επιβολές. Οι αρχικές καταστάσεις επιλέχθηκαν έτσι ώστε να καλύπτουν όλο το φάσμα της πολλαπλότητας των λύσεων, ενώ το χρονικό διάστημα στο οποίο αφήνεται να εξελιχθεί κάθε αρχική κατάσταση, είναι τέτοιο ώστε να επιτευχθεί μια συγκεκριμένη τιμή σφάλματος, 10-3, μεταξύ δύο διαδοχικών διανυσμάτων κατάστασης κατά την τροχιά του συστήματος προς την τελική κατάσταση. Το χρονικό αυτό διάστημα αντιπροσωπεύεται με τον αριθμό snapshots από τον οποίο αποτελείται κάθε επιβολή και έχει ελάχιστη επιτρεπτή τιμή τα 10 snapshots. Με την κατασκευή του μοντέλου μειωμένης τάξης, επιτυγχάνεται η προσέγγιση της δυναμικής του φυσικού συστήματος χρησιμοποιώντας πολύ μικρότερο αριθμό δεδομένων. Το μοντέλο που σχεδιάστηκε σε αυτήν την εργασία, έχει την δυνατότητα να προσεγγίζει με ικανοποιητική ακρίβεια, μόνιμες καταστάσεις του πλήρους συστήματος, ενώ το ίδιο έχει κατασκευαστεί από δεδομένα μη μόνιμων καταστάσεων. Το υπολογιστικό όφελος από την κατασκευή ενός τέτοιου είδους μοντέλου είναι σημαντικό, καθώς ο όγκος των δεδομένων που απαιτούνται για την ανάπτυξη του μοντέλου και η ταχύτητα επίλυσης του μειώνονται κατά πολύ.	el
heal.abstract	Τhis thesis is about the study of the dynamic behavior of a chemical vapor deposition reactor (CVD). For given operating conditions of the reactor, two competing mechanisms appear, the free convection mechanism due to buoyancy and the forced convection. The system is nonlinear and is characterized by a multiplicity of steady states for inlet mass flow rates between 2.3•10-5 kg/s and 5.0•10-5 kg/s, due to the coexistence of the competing mechanisms. The nonlinear equations describing the phenomena that occur in the reactor are solved using the ANSYS Fluent Computational Fluid Dynamics (CFD) code. Due to the large number of equations, these systems are characterized by great complexity and their solution is a time consuming process. The aim of the thesis is the construction of a Reduced Order Model (ROM), by using an alternative implementation of the Principal Component Analysis (PCA) method combined with properly trained Artificial Neural Networks (ANN), to describe the dynamic behavior of the complete system by using solely data from non-steady states. For this purpose, data of the dynamic response of the flow, temperature and pressure fields were obtained during its time evolution (trajectory) from various initial states with a mass flow rate within the range of 1.5•10-5 kg/s - 6.5•10-5 kg/s, in which the multiplicity of solutions is observed, to the final steady state with a mass flow rate of 3•10-5 kg/s. Then, an analysis was carried out regarding the number of initial states used and the time allowed to evolve without reaching the final steady state, so that the accuracy of simulation is satisfactory. The choice of the best model was based on the quality of the approximation and the size of the required data for its design. The reduced order model that was chosen includes a PCA basis with four eigenvectors combined with a neural network containing ten hidden layers. The design of the PCA basis uses 23 step changes, while the training of the neural network uses 26. The initial conditions were selected in order to describe the entire range of multiplicity, while the transients are allowed to evolve until an error tolerance (10-3) is reached. The error is calculated between two successive transient states. This time interval is represented by the number of snapshots of each step change; the number of snapshots was kept higher than 10. By constructing the reduced order model, the physical system dynamic analysis required a highly reduced number of data. The model designed in this thesis, is capable of approximating with sufficient accuracy, steady states of the full model, while it was built from data of non-steady states. The computational advantage of constructing such a reduced order model is significant, since the number of the required data and the computational cost are greatly reduced.	en
heal.advisorName	Μπουντουβής, Ανδρέας	el
heal.advisorName	Boudouvis, Andreas	en
heal.committeeMemberName	Χαριτίδης, Κωνσταντίνος	el
heal.committeeMemberName	Charitidis, Constantinos	en
heal.committeeMemberName	Κυρανούδης, Χρήστος	el
heal.committeeMemberName	Kiranoudis, Chris	en
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Χημικών Μηχανικών. Τομέας Ανάλυσης, Σχεδιασμού και Ανάπτυξης Διεργασιών και Συστημάτων (ΙΙ)	el
heal.academicPublisherID	ntua
heal.numberOfPages	87 σ.	el
heal.fullTextAvailability	false