Lüle tasarımında yapay zeka kullanımı

Bu çalışmada, belli bir akış şartını sağlayan lüle geometrisinin tasarlanması problemi ele alınmıştır. Lüle içerisindeki transonik ve sesüstü akış için sanki bir boyutlu Euler denklemlerinin, sonlu hacim ve Roe akı ayırma yöntemleri kullanılarak çözümleri yapılmıştır. İstenilen akış şartlarını sağlayan lüle geometrisinin elde edilmesi için yapay zeka yöntemi olarak, yapay sinir ağı ile güçlendirilmiş bir genetik algoritma kullanılmıştır. Bu teknikte yapay sinir ağı, genetik sürecin her adımında, lüle geometrisini tahmin etmek için kullanılmış ve bu şekilde genetik işlemlerle üretilen popülasyon güçlendirilmiştir. Süpersonik akış koşullarında yapılan uygulamalar, kullanılan algoritmanın hedeflenen lüle geometrisini çabuklukla elde etmede başarılı olduğunu göstermiştir.

Using artificial intelligence in nozzle design

In this study, nozzle shape development problem is investigated. Nozzle flow analysis is performed by using quasi one dimensional Euler equations, which are solved by using finite volume technique and Roe flux splitting scheme. Nozzle geometry is constructed to get desired flow by utilizing an augmented genetic algorithm with artificial neural networks. In this algorithm, a properly trained neural network is used for predicting the nozzle shape instead of predicting its computational fluid dynamics calculation. At each step of the genetic process, by using the target flow solution as an input the trained neural network produces a nozzle shape, which is a candidate solution of the problem. Adding this candidate to the population improves the exploration power of the genetic process. The results indicate that the nozzle design can be performed successfully and quickly by using the implemented algorithm.

Kaynakça

1.Hazarika, N., Tuncer, İ.H., and Lowe, D., "An Inverse Design Procedure for Airfoils Using Artificial Neural Networks", ICAS 1998.

2.Rai, M. M. and Madavan, N. K., "Aerodynamic Design- using Neural Networks", AIAA Journal, Vol. 38, No. 1,2000.

3.Papilay N., "Neural Network and Polynomial-Based 'Response Surface Techniques for Supersonic Turbine Design Optimization", PhD thesis, University of Florida, 2001. 4.Tse, D.C.M. and Chan, L.Y.Y., "Application of Micro Genetic Algorithms and Neural Networks for Airfoil Design Optimization", RTO MP-035 Aerodynamic Design and Optimization of Flight Vehicles in a Concurrent Multi-Disciplinary Environment, 1999.

5.Giannakoglou, K. C, "Acceleration GAs using ANN- Theoretical Background," GAs for Optimization in Aeronautics and Turbomachinery, von Karman Institute for Fluid Dynamics, Lecture Series 2000-07.

6.Hacıoğlu, A., "Yapay Sinir Ağı İle Güçlendirilmiş Genetik Algoritma ve Tersten Kanat Profili Dizaynı", HUTEN Havacılık ve Uzay Teknolojileri Dergisi, Cilt 1, Sayı 3, 2004.

7.Hacıoğlu, A., "Yapay Sinir Ağı ve Genetik Algoritma Kullanarak Hızlı Aerodinamik Dizayn", Kayseri 5. Havacılık Sempozyumu, 2004, pp. 39-43.

8.Hacıoğlu, A., "Aerodinamik Dizayn ve Optimizasyonda Genetik Algoritma Kullanımı," Uçak Mühendisliği Programı Doktora Tezi, İ.T.Ü. Fen Bilimleri Enstitüsü, İstanbul, 2003.

9.Ibrahim, A.H., Hou, G.J.W, Surandra, N.T. and Smith, R.E., "Aerodynamic Design Optimization Using Euler Equations and Variational Methods", Computer and Fluids, Vol. 31, 2002, pp. 227-243.

10.Wang, X. and Damodaran, M., "Aerodynamic Shape Optimization Using Computational Fluid Dynamics and Parallel Simulated Annealing Algorithms", AIAA Journal, Vol. 39, No. 8, 2001.

ll.Periaux, J., Chen, H. Q., Mantel, B., Sefrioui, M, and Sui, H.T., "Combining Game Theory and Genetic Algorithms with Application To DDM-Nozzle Optimization Problems" Finite Elements in Analysis and Design, Vol. 37, 2001, pp.417-429.

12.Hoffmann, K.A. and Chiang, S.T., "Computational Fluid Dynamics for Engineers", Engineering Education System, Wichita, KS, Vol. 2, 1993.

13.Roe, P.L., "Approximate Riemann Solvers, Parameter Vectors, and Difference Schemes", Journal of Computational Physics, Vol.43, 1981, pp.347-372.

14.Rumelhart, D. E., Hinton, G. E., and Williams, R. J., "Learning Representations by Back Propagating Errors", Nature, 323, 1986, pp. 533-536.

15.Hacıoğlu, A. and Özkol, İ., "Transonic Airfoil Design and Optimisation by using Vibrational Genetic Algorithm," Aircraft Engineering and Aerospace Technology, Vol. 75, No 4, 2003.

16.Eshelman, L.J. and Schaffer, J. D., "Real Coded Genetic Algorithms and Interval Schemata," Foundations of Genetic Algorithms 2, Morgan Kaufmann Publishers, 1993, pp. 187-202.

17.Baker, J. E., "Reducing Bias and Inefficiency in the Selection Algorithm," Proceedings of the Second International Conference on Genetic Algorithms, Morgan Kaufmann Publishers, 1987, pp. 14-21.

Kaynak Göster