عنوان پایان‌نامه
تخمین شار حرارتی ناشی از اصطکاک بین لنت و دیسک ترمز قطار به روش انتقال حرارت معکوس توسط شبکه های عصبی
- رشته تحصیلی
- مهندسی مکانیک تبدیل انرژی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه مرکزی پردیس 2 فنی شماره ثبت: 2430;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 59415
- تاریخ دفاع
- ۳۰ آبان ۱۳۹۱
- دانشجو
- بهنام قدیمی
- استاد راهنما
- فرشاد کوثری
- چکیده
- در پایان نامه حاضر برای تخمین شار حرارتی ناشی از اصطکاک بین لنت و دیسک ترمز قطار از شبکه های عصبی استفاده شده است. بدین منظور مدل 3 بعدی از دیسک ترمز لکوموتیو ER24PC، ساخت شرکت مپنا، به همراه هوای خنک کاری آن ایجاد شد. با کوپل کردن انتقال حرارت بین دیسک ترمز و هوای خنک کاری، دمای دیسک ترمز در 18 نقطه از آن به ازای 47 شار حرارتی شبیه سازی شده مختلف به دست آمد. برای اطمینان از صحت مدل، نتایج به دست آمده با نتایج آزمایشگاهی انجام شده توسط شرکت فایولی مورد مقایسه قرار گرفت و دقت روش عددی تایید شد. در ادامه برای تخمین شار حرارتی از داده های دمایی مربوط به 39 تابع شار حرارتی مختلف برای تربیت شبکه و از 8 شار حرارتی باقیمانده برای تست کردن آن استفاده گردید. در ابتدا برای تخمین شار حرارتی از دمای هر 18 نقطه به صورت جداگانه استفاده شد. در نهایت با انجام آزمایش های شبیه سازی شده گوناگون، آزمایش بهینه طراحی گردید و بهترین محل برای نصب ترموکوپل ها در حالت های یک، دو و سه سنسوری به دست آمد و اثرات نویز بر روی تخمین شار حرارتی مورد بررسی قرار گرفت.
- Abstract
- In this dissertation, the neural network has been used to estimate the generated braking heat flux between pad and the locomotive brake disc. For this purpose 3D model of ER24PC locomotive wheel-mounted brake disc, which is manufactured in MAPNA Locomotive Co.(MLC), was created, with conjugate heat transfer boundary condition between the disc and cooling fluid. Disc brake temperature at 18 points for 47 different braking conditions was calculated. Numerical results have found in good agreements with the experimental results which is carried out in Faiveley Transport Co. and reported to MLC. In order to estimate the heat flux, temperature history of 39 modeled heat fluxes were used for neural network training and remaining 8 other heat fluxes used for testing the neural network accuracy. At first, heat flux was estimated by the temperature history of 18 points, individually. Finally, experimental simulation for several conditions was investigated and the optimized sensor locations for the experimental conditions were designed. Furthermore, effect of noise in the estimation of heat flux was investigated.
