Sıkıştırılamaz ve laminer dış akışlar için derin öğrenme temelli bir hesaplamalı akışkanlar dinamiği çözümünün geliştirilmesi

Basit Öğe Kaydı
dc.contributor.advisorŞentürk, Utku
dc.contributor.authorGençer, Türkay
dc.date.accessioned2025-04-08T13:31:16Z
dc.date.available2025-04-08T13:31:16Z
dc.date.issued2024
dc.departmentEge Üniversitesi, Fen Bilimleri Enstitüsü, Makina Mühendisliği Ana Bilim Dalı
dc.description.abstractBu tezde sıkıştırılamaz ve laminer dış akışlar için Hesaplamalı Akışkanlar Dinamiği (HAD) çözücüsünden gelen verilere dayalı çalışan derin öğrenme temelli bir alternatif hesaplama tekniğinin geliştirilmesi amaçlanmıştır. Geleneksel HAD çözücü kodları yüksek doğruluklu olmakla beraber, karmaşık problemler için epey zaman alıcı olmaktadırlar. Karmaşık problemleri modelleme ve tahmin etme kabiliyeti ile derin öğrenme yöntemi, sıkıştırılamaz ve laminer akış problemlerini çözmek için kullanılabilecek verimliliği artırıcı bir alternatif olarak görünmektedir. Çalışmada sıkıştırılamaz ve laminer dış akış hareketlerini çözmek için kullanılan Navier-Stokes denklemlerinin çözümlerini tahmin etmek için yapay sinir ağları oluşturulmuştur. Bu sinir ağları ile dış akış problemlerini test etmek için Re=20 ve 40 için silindir üzerindeki akış ile \Re=1000 ve hücum açısı 0–8 derece için bir NACA0012 kanat profili üzerindeki akış ele alınmıştır. Geliştirilen yöntemin performansı, geleneksel HAD çözücü kodu ile karşılaştırıldığında akış alanı için %7'nin altında, silindir ve kanat yüzeylerindeki basınç dağılımı için %1,5'in altında ortalama hata ile tahminler yapabildiği ve bu tahminleri geleneksel HAD çözücü koduna oranla 33,5 kat daha hızlı gerçekleştirdiği gözlemlenmiştir. Elde edilen sonuçlara dayanarak laminer ve sıkıştırılamaz dış akışların tahmin edilmesinde derin öğrenme yönteminin kullanılması, özellikle fazla sayıda simülasyon gerçekleştiren analiz mühendislerinin çözüm sürelerini yüksek oranda hızlandıracağı görülmektedir.
dc.identifier.urihttps://tez.yok.gov.tr/UlusalTezMerkezi/TezGoster?key=E_eEUHQic_C-LvhxNQn1W8lfkxLKwj7YZOeDvnybEB_1dKDClJorRe_oO1cOAwx1
dc.identifier.urihttps://hdl.handle.net/11454/117049
dc.identifier.yoktezid914793
dc.language.isotr
dc.publisherEge Üniversitesi, Fen Bilimleri Enstitüsü
dc.relation.publicationcategoryTez
dc.rightsinfo:eu-repo/semantics/openAccess
dc.subjectLaminer
dc.subjectsıkıştırılamaz akış
dc.subjecthesaplamalı akışkanlar dinamiği (HAD)
dc.subjectderin öğrenme
dc.subjectyapay sinir ağı
dc.subjectsilindir
dc.subjectkanat
dc.subjectNACA0012.
dc.subjectLaminar
dc.subjectincompressible flow
dc.subjectcomputational fluid dynamics (CFD)
dc.subjectdeep learning
dc.subjectartificial neural network
dc.subjectcylinder
dc.subjectairfoil
dc.titleSıkıştırılamaz ve laminer dış akışlar için derin öğrenme temelli bir hesaplamalı akışkanlar dinamiği çözümünün geliştirilmesi
dc.typeMaster Thesis

Dosyalar

Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.17 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu