عنوان پایان‌نامه
مدلسازی و بهینه سازی چند هدفی پمپ سانتریفیوژ با استفاده از دینامیک سیا لات محاسباتی شبکه های عصبی و الگوریتم ژنتیک
- رشته تحصیلی
- مهندسی مکانیک تبدیل انرژی-ماشینهای آبی
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس 2 فنی شماره ثبت: 1797;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 45535
- تاریخ دفاع
- ۰۷ شهریور ۱۳۸۹
- دانشجو
- حامد صفی خانی
- استاد راهنما
- سیداحمد نوربخش
- چکیده
- در این پایان نامه بهینه سازی پمپ سانتریفوژ در دو قسمت انجام می شود. در قسمت اول این کار با استفاده از نرم افزار نومِکا و با رهیافت افزایش راندمان و هد و کاهش ارتفاع مکش خالص مثبت انجام می شود. روال کار بدین ترتیب است که ابتدا پروانه ی پمپ در محیط Auto Blade نرم افزار نومِکا پارامتری شده و با تغییر این پارامترها در بازه ی انتخابی و در محیط Design 3D به صورت اتوماتیک یک پایگاه داده تولید می شود. در مرحله ی پایانی با اعمال قیودی به تشخیص کاربر، آن دسته از پارامتر های هندسی انتخاب می شوند که قیود اعمال شده را هرچه بیشتر ارضا کنند. در قسمت دوم، از پایگاه داده ای که نرم افزار تولید کرده است برای آموزش و آزمایش شبکه عصبی نوع GMDH جهت دستیابی به یک مدل ریاضی برای بیان بازده وNPSHr استفاده می‌شود. درمرحله ی بعد از روابط ریاضی بدست آمده، برای بهینه‌سازی چند هدفی با استفاده از الگوریتم NSGA II استفاده شده و منحنی پارِتو برای بازده وNPSHr به عنوان توابع هدف با عملکرد متضاد ارائه می‌شود. نتایج بدست آمده از بهینه سازی چند هدفی روابط جالب و سودمندی را در طرّاحی بهینه پمپ سانتریفوژ نمایش می‌دهد که تنها با استفاده از به کارگیری بهینه‌سازی چندهدفی مدل ریاضی استخراج شده از نتایج حل عددی قابل بدست آمدن است. مقایسه ی نتایج قسمت اول و دوم نشان می دهد که پمپ بهینه شده در قسمت اول به نمودار پارِتو در قسمت دوم نزدیکتر شده است. در پایان ذکر این نکته ضروری است که الگوریتم مدلسازی و بهینه سازی چند هدفی قبل از اعمال برروی پمپ سانتریفوژ برای ایرفویل های 4 رقمی سری ناکا با مشخصات هندسی و زوایای حمله ی متفات به کار بسته شد که نتایج آن در این پایان نامه و در قسمت ضمیمه ی 1 موجود می باشد.
- Abstract
- Increasing of efficiency and head (H) and decreasing of the required NPSH, simultaneously, are important purpose in the design of centrifugal pumps. In the present study, multi-objective optimization of centrifugal pumps is performed at three steps. At the first step, efficiency and NPSHr in a set of centrifugal pump are numerically investigated using commercial software NUMECA TM. Two meta-models based on the evolved group method of data handling (GMDH) type neural networks are obtained, at the second step, for modeling of efficiency and NPSHr with respect to geometrical design variables. Finally, using obtained polynomial neural networks, multi-objective genetic algorithms are used for Pareto based optimization of centrifugal pumps considering two conflicting objectives, efficiency and NPSHr. It is shown that some interesting and important relationships as useful optimal design principles involved in the performance of centrifugal pumps can be discovered by Pareto based multi-objective optimization of the obtained polynomial meta-models representing their efficiency and NPSHr characteristics. Optimization of centrifugal pump is also performed using Fine Design 3D environment of Numeca and compared with the results of previou part. The comparison shows that the optimized pump become nearer to the Pareto front which demonstrates the effectiveness of this study on deriving the Pareto Front.
